Current top-performing blind perceptual image quality prediction models are
generally trained on legacy databases of human quality opinion scores on
synthetically distorted images. Therefore they learn image features that
effectively predict human visual quality judgments of inauthenti
这篇研究使用深度学习技术进行失真通用的盲目图像质量评估,通过将子区域的评分进行平均池化,使用分类基础图像质量评估的 CNN 微调提取的特征,使用 SVR 机器计算每个子区域的评分,进而证明了该方法在 LIVE In the Wild 和 LIVE 两个数据库上的表现均优于当前的最优方法,并且在很多情况下,比普通的人类观察者的评分更加接近平均观察者的评分。
本文介绍一种新的数据集: LIVE In the Wild Image Quality Challenge Database,旨在解决已有的图片质量数据库由于受控条件下被损坏无法很好地反映真实情况的问题,采集了大量真实环境下采集的图片,并通过在线众包系统进行了大规模的主观评估研究,为盲目的图像质量评估算法提供基础研究和深入分析。