本研究提出了一种基于最大似然估计的新方法，可以从嘈杂的原始测量中恢复主观质量分数，并联合估计受损视频的主观质量，测试对象的偏差和一致性以及视频内容的歧义性，同时提供了每个估计的置信区间的封闭形式表达式。相对于先前方法，我们的方法能够充分利用主观信息，处理不良数据并提供有关测试对象和视频内容的有趣见解。

Nov, 2016

设计了一个用于全参考和无参考图像质量评价的统一网络，通过语义影响建模来提高性能，并且在各种数据集上超越了相关的最先进方法。

Oct, 2023

本文旨在提高卷积神经网络对于图像分类的数学解释性，通过利用离散 Gabor - 类卷积的属性证明特征图在满足某些特定条件下可以逼近复杂 Gabor - 类系数的模，从而具有一定的稳定性，本文通过实验验证了这一理论并与双树小波分组变换一类的离散 Gabor - 类分解进行了比较。

Sep, 2022

本论文介绍了基于 Haar 小波分解的感知相似性指数 (HaarPSI)，是一种有效且计算简单的全参考图像质量评估方法，其与人类主观感受的一致性得到了验证，并在大量数据集上获得了较高的相关性。

Jul, 2016

该研究介绍了一种基于凸优化的构建高分辨率 HSI 和高分辨率 MSI 综合图像的数据融合方法，使用向量全变差作为正则化项，通过 Split Augmented Lagrangian Shrinkage Algorithm（SALSA）算法实现优化，取得了优于现有算法的效果。

Nov, 2014

本文提出了一种基于人眼视觉系统的加权模糊评价标准，对于水印应用场景的图像质量评估具有更高客观性和准确性，实验证明该标准显著优于传统 PSNR 标准。

Jan, 2021

现代无参考图像质量评估（NR-IQA）模型可以有效量化感知图像质量，在固定测试集上模型预测与人类感知评分之间存在高相关性。然而，在从感知优化的角度比较 NR-IQA 模型方面几乎没有取得进展。本文首次证明 NR-IQA 模型可以被插入到最大后验估计（MAP）框架用于图像增强，通过在可微且双射的扩散隐变量而不是原始像素域中进行梯度运算。不同的 NR-IQA 模型可能导致不同的增强图像，最终需要经过感知测试。这为在合成分析框架内比较 NR-IQA 模型提供了一种新的计算方法。与传统基于相关性的度量方法相比，我们的方法在感知优化的背景下提供了互补的洞察力，用于评估竞争的 NR-IQA 模型的相对优点和缺陷。

Mar, 2024

本文探讨使用先验知识在分离图像的内在成分中的反射率和阴影层时的高性能方法，并提出了一种基于 CNN 学习和使用先验知识的损失函数，后者可以实现强反射不变性的联合双边滤波方法，达到在我们提供的对多个算法进行内在成分分解的标准基准测试上的最佳性能。

Dec, 2016

论文介绍一种通过重新定义罚函数的方式将变分贝叶斯方法映射为非标准的极大后验概率问题，并展示这种方法的先进性，解释其成功的原因，并提供了严格的选择最佳图像先验的标准。

May, 2013

本文提出了一种基于 Visual Psychophysics Sensitivity Analysis 扩展的新型公平性评估框架，该框架可分析模型在不同被干扰亚组群中表现得是否公平，并通过 AUC 矩阵来紧凑可视化模型的公平性分析。作者分析了常见人脸识别模型的表现，实证发现当图像受到扰动时，某些亚组群处于不利地位，揭示了在无干扰的子群体上模型表现不明显的趋势。

Feb, 2022