感知优化与评估之间的意外不对称
计算机视觉与模式识别
2025-09-26 v1
摘要
感知优化主要由保真度目标驱动，强制实现语义一致性和整体视觉逼真；对抗目标则通过增强感知锐度和细粒度细节提供互补的细化。尽管二者在优化中的作用居于核心位置，但它们作为图像质量评估（IQA）指标的有效性与其作为感知优化目标的能力之间的相关性仍未被充分探讨。本文进行了系统性分析，揭示了感知优化与评估之间意外的不对称现象：在 IQA 中表现突出的保真度指标未必在感知优化中有效，尤其在对抗训练下，这种错位更为明显。此外，尽管判别器在优化过程中有效抑制了人工失真，但其学习到的表征在作为 IQA 模型的骨干初始化时仅提供有限的益处。超出这种不对称之外，我们的发现进一步表明，判别器的设计在塑造优化方面起决定性作用，采用 patch 级别和卷积结构的架构比采用 vanilla 或 Transformer 架构更能实现细节的忠实重建。这些发现推动了损失函数设计及其与 IQA 可迁移性之间的理解，为更原则化的感知优化方法指明了道路。
引用
@article{arxiv.2509.20878,
title = {The Unanticipated Asymmetry Between Perceptual Optimization and Assessment},
author = {Jiabei Zhang and Qi Wang and Siyu Wu and Du Chen and Tianhe Wu},
journal= {arXiv preprint arXiv:2509.20878},
year = {2025}
}