ECCVJul, 2020

PIPAL：视觉图像修复的大规模图像质量评估数据集

PDF
TL;DR本文旨在回答两个问题：（1）现有的图像质量评估方法是否能客观评估最近的图像修复（IR）算法？（2）在打破当前基准的重点下，我们是否获得了更好的 IR 算法？为了回答这些问题并推动 IQA 方法的发展，我们贡献了一个大规模的 IQA 数据集，称为感知图像处理算法（PIPAL）数据集。该数据集包括基于 GAN 的方法的结果。通过 PIPAL，我们为 IQA 和超分辨方法提供了新的基准。实验表明，现有的 IQA 方法不能公平评估基于 GAN 的 IR 算法。最后，我们通过引入抗锯齿池化来改善 IQA 网络在基于 GAN 的扭曲上的性能，并取得了显著效果。
发现论文，激发创造
  • 感知图像修复质量评估：一个新的数据集、评估基准和度量标准

    本文介绍了最新的反感知 (IR) 算法基于生成对抗网络 (GANs)，但其定量评估与视觉感知质量存在不一致性。为了回答现有的 IQa 方法能否客观评价最近的 IR 算法和促进 IQa 方法的发展，作者提出了一个大规模的 IQa 数据集 PIPAL，并针对 GAN 基础的 IR 算法，提出了一些新的基准方法和对空间错位改进的 IQa 网络。

    Nov, 2020

  • NTIRE 2021 感知图像质量评估挑战赛

    本文介绍了 NTIRE2021 挑战赛，关于基于生成对抗网络的知觉图像质量评估的主题和研究领域，挑战的训练和测试数据集包括感知图像处理算法的输出和相应的主观得分，旨在开发和评估 GAN 失真的图像质量评估方法。在比较以前的 IQA 挑战赛之后，参赛的 13 支队伍提交了他们的模型和事实表，几乎所有队伍都比现有的 IQA 方法取得了更好的结果，其中获胜的方法表现出最先进的性能。

    May, 2021

  • 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

  • PIQI：基于高斯过程回归集成的感知图像质量指数

    本文提出了一种基于感知的数字图像质量评估方法 —— 无参考感知图像质量指数（PIQI），来评估数字图像的质量。通过计算多个尺度和颜色空间中的亮度、梯度统计信息以及均值减法对比规范化乘积，将这些提取出的特征提供给高斯过程回归（GPR）的堆叠集成模型进行质量评估，并在六个基准数据库上评估其性能并与其他方法进行比较，结果表明 PIQI 能够达到竞争水平。

    May, 2023

  • dipIQ：通过学习排名可区分的图像对进行盲图像质量评估

    本文介绍了一种利用大规模图像数据库和学习排名算法的无意见学习盲图像质量评估模型的方法，并成功提出了新的质量推断指数 dipIQ 和 dilIQ。在四个基准图像质量数据库上的实验证明，dipIQ 在精度和鲁棒性方面的优势，相较于现有方法已达到了最佳水平。

    Apr, 2019

  • 盲目图像质量评估的排序学习

    本文提出一种新的方法，利用偏好图片对来训练盲图像质量评估模型，这些偏好标签可在很低的成本下产生，实验表明该方法具有良好的性能且易于扩展。

    Sep, 2013

  • PICNIQ：自然图像质量评估的两两比较

    本文介绍了 PICNIQ，一种创新的成对比较框架，通过强调相对而非绝对质量评估，克服传统盲图像质量评估方法的局限性。PICNIQ 利用精心设计的深度学习架构、特定的损失函数和稀疏比较设置的训练策略实现了成对图像的质量差异评估，并通过心理测量缩放算法（如 TrueSkill）将成对比较转化为可解释的图像质量评分。通过使用 PIQ23 数据集中的比较矩阵进行广泛的实验分析，我们展示了 PICNIQ 在现有模型上的卓越性能，凸显了其在盲图像质量评估领域中树立新的标准的潜力。

    Mar, 2024

  • 医学图像常用图像质量评估指标的充分性研究

    通过对医学图像数据及自然图像数据进行测试和比较，研究结果表明针对医学图像的定制化图像质量评估措施在医学影像算法中的应用是必要的。

    May, 2024

  • PyTorch 图像质量：图像质量评估指标

    该论文介绍了一个名为 PyTorch Image Quality (PIQ) 的库，旨在实现最流行的现代图像质量评估算法，并且经过验证可以可靠地实施。同时，该论文还介绍了该库的原理、评估策略、性能测试和 GPU 加速的优势。

    Aug, 2022

  • 利用 Conformer 和 Blind Noisy Students 来改进图像质量评估

    探索基于 transformer 的全参考图像质量评估模型的性能，并提出了一种基于半监督知识蒸馏的 IQA 方法，使用嘈杂的伪标签数据将全参考教师模型蒸馏到盲学生模型中。在 NTIRE 2022 感知图像质量评估挑战中，我们的方法取得了竞争力的结果。

    Apr, 2022