KonIQ-10k：面向生态有效和大规模的 IQA 数据库

Mar, 2018

KonIQ-10k：面向生态有效和大规模的 IQA 数据库

KonIQ-10k: Towards an ecologically valid and large-scale IQA database

Hanhe Lin, Vlad Hosu, Dietmar Saupe

TL;DR本文介绍了一种系统化、可规模化的方法，用于创建大规模的、真实和多样化的图像数据集，以进行图像质量评估，并构建了一个包含 10,073 个图像的 IQA 数据库，其中进行了大规模众包实验，以获得 1,467 个众包工人（1.2 百万评分）的可靠质量评级。

Abstract

The main challenge in applying state-of-the-art deep learning methods to predict image quality in-the-wild is the relatively small size of existing quality scored datasets. The reason for the lack of larger datasets is the massive resources required in generating diverse and publishabl

deep learning image quality assessment dataset crowdsourcing reliability

发现论文，激发创造

KonIQ-10k：一个生态有效的用于盲目图片质量评估的数据库

通过众包的方式，我们创建了 KonIQ-10k 数据集，该数据集是目前最大的图像质量评估数据集，共计包括 10,073 张有质量评分的图像。我们还提出了一种新的运用深度学习的模型 KonCept512，该模型通过 InceptionResNet 架构进行训练，在高分辨率的数据集上具有了比现有技术更好的泛化性能（SROCC0.921）

Oct, 2019

UHD-IQA 基准数据库：拓宽盲测图像质量评估的界限

我们介绍了一种新的图像质量评估（IQA）数据集，包括 6073 个高分辨率的 UHD-1（4K）图像，以 3840 像素为固定宽度进行注释。与现有的非参考（NR）IQA 数据集相反，我们的数据集侧重于高度美学且高技术质量的照片，填补了文献中的空白。该数据集通过众包研究获得感知质量评级。经过数天的多个评估者的多次评估，我们得到了高度可靠的标签。我们的数据集具有独特的特点，如注重高质量图像、可靠的众包注释和高分辨率注释，为推进感知图像质量评估研究和开发适用于现代照片的实用非参考 IQA 模型提供了新的机会。

Jun, 2024

一份人像图像质量评估数据集

该研究介绍了一个人像特定的图像质量评估数据集 PIQ23，其使用配对比较的方法由多位专家对三个特定属性进行注释，在深入的统计分析后，证明了语义信息可以用于提高图像质量评估的预测。

Apr, 2023

AIGCIQA2023：AI 生成图像的大规模图像质量评估数据库：从质量、真实性和一致性的角度出发

本文建立了一个大规模的 AIGC IQA 数据库，用于评估人类对于每个图像的质量、真实性和对应性的视觉偏好，并在该数据库上进行了基准实验来评估几个最先进的 IQA 度量标准的性能。

Jul, 2023

深度集成用于感知图像质量评估

提出了一种基于深度学习的方法，包含两个 CNN 子单元的深度架构，以及一个自行收集的包含自然扭曲的图像的图像库 BIQ2021，用于模型训练和验证。通过在多个数据集上的实验，证明了该方法的性能和广泛的泛化性能。

May, 2023

AIGIQA-20K：AI 生成图像质量评估的大规模数据库

通过考虑 15 个流行生成模型和动态超参数，本研究组织了一项挑战，全面评估人类主观评分、感知质量和文本图像对齐等方面，以创建迄今最大的细粒度 AIGI 主观质量数据库 AIGIQA-20K，并通过基准实验评估 16 个主流 AIGI 质量模型与人类感知之间的相应关系。预期该数据库将推动 AIGC 在视觉领域的进展。

Apr, 2024

在实验室和野外学习盲目评估图像质量

通过多个畸变场景下的图像数据库训练，我们提出的盲视觉质量评估深度网络模型可以有效地在实验室和野外进行盲目评估，比以前的方法具有更高的评估精度。

Jul, 2019

大规模在线众包主客观图片质量研究

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。

Nov, 2015

AGIQA-3K: 人工智能生成图像质量评估的开放数据库

该研究旨在解决基于文本生成图像的模型中存在的主观质量差异问题并提出了 StairReward 模型评估主观文本图像对齐的一致性，并以此建立了 AGIQA-3K 数据库。

Jun, 2023

MUSIQ: 多尺度图像质量转换器

设计了一个多尺度图像质量 Transformer (MUSIQ)，它可以处理具有不同尺寸和长宽比的本机分辨率图像，通过多尺度表示，我们提出的方法可以捕捉不同粗细度的图像质量，并提出了一种基于哈希的二维空间嵌入和尺度嵌入，支持多尺度表示中的位置嵌入。实验结果验证了 MUSIQ 在多个大规模图像质量评估数据集上的最先进性能。

Aug, 2021