TuningIQA：面向直播相机调优的细粒度盲目图像质量评估
图像与视频处理
2025-08-26 v1 计算机视觉与模式识别
多媒体
摘要
直播日益在现代视觉通信中普及，其中自动相机质量调优对于交付优异用户 Quality of Experience(QoE)至关重要。此类调优需要准确的 blind image quality assessment(BIQA) 来指导参数优化决策。不幸的是，现有 BIQA 模型通常仅预测整体粗糙的 quality score，无法为精确的相机参数调优提供细粒度感知指导。为填补这一差距，我们首先建立 FGLive-10K，一个包含 10,185 张高分辨率图像的数据库，这些图像是在多样化的直播场景下通过不同相机参数配置捕获，具有 50,925 项多属性质量注释和 19,234 项细粒度两两偏好注释。基于 FGLive-10K，我们进一步开发 TuningIQA，用于直播相机调优的细粒度 BIQA 指标，将人类感知特征提取和图基相机参数融合集成于一起。广泛的实验和比较表明，TuningIQA 在 score regression 和细粒度 quality ranking 中显著优于 state-of-the-art BIQA 方法，在部署用于直播相机调优时性能卓越。
引用
@article{arxiv.2508.17965,
title = {TuningIQA: Fine-Grained Blind Image Quality Assessment for Livestreaming Camera Tuning},
author = {Xiangfei Sheng and Zhichao Duan and Xiaofeng Pan and Yipo Huang and Zhichao Yang and Pengfei Chen and Leida Li},
journal= {arXiv preprint arXiv:2508.17965},
year = {2025}
}
备注
9 pages,8 figures