Oct, 2022

IQUAFLOW：一个衡量图像质量的新框架

PDF
TL;DRIQUAFLOW 是一个新的图像质量框架，提供了一套工具来评估图像质量，可以通过使用 AI 模型的性能作为代理来测量质量，Wrapped in Mlflow。
image qualityai modelsperformance degradationlossy compressionmlflow
发现论文，激发创造
  • 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

  • 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

  • 基于压缩采样的 S-IQA 图像质量评估

    利用压缩采样的图像质量评估方法 (S-IQA) 提出了一个新的框架，其中包括灵活采样模块、自适应嵌入模块和双分支模块，通过这个方法在各种数据集上实现了最先进的结果。

    Apr, 2024

  • 无参考图像质量度量方法用于降解和重构物件

    通过开发一种无需参考图像的轻量级卷积神经网络，我们证明了 JPEG 质量因子能够代表图像质量度量，并能够准确评估图像质量，而无需参考图像。我们的模型能够应用于不同任务，包括度量各种图像伪影的严重程度和预测从磁共振成像（MRI）数据重建的图像的欠采样率。

    May, 2024

  • 基于优化的人脸图像质量评估技术的改进

    该研究旨在提高现有面部图像质量评估（FIQA）技术的性能与稳定性以适用于真实世界场景。采用基于监督质量标签优化的方法，结合特定的面部识别模型（ArcFace，ElasticFace，CurricularFace），在五个常用基准测试数据集上，对六种最新的 FIQA 方法（CR-FIQA，FaceQAN，SER-FIQ，PCNet，MagFace，SDD-FIQA）进行了全面的实验评估，取得了令人鼓舞的结果。

    May, 2023

  • Re-IQA: 野外图像质量评估的无监督学习

    本文提出了一种混合专家方法来进行自动感知图像质量评估，使用 Re-IQA 框架训练两个独立的编码器来学习高级和低级图像特征，并使用得到的图像表示来训练线性回归模型以提高评估准确性。实验表明，深度神经网络在无监督设置下训练可以产生具有感知相关性的表示。

    Apr, 2023

  • 深度感知度量用于图像质量评估的研究

    本文研究了基于深度神经网络的知觉度量，用于评估图像质量，提出了一种多分辨率知觉量度（MR-Perceptual），在不同分辨率上聚合知觉信息，并在不同图像畸变的 IQ 任务中表现优于标准知觉量度。

    Feb, 2022

  • 图像的主客观质量评价：综述

    本文综述了传统图像信号和新兴信号（包括高动态范围（HDR）和 3-D 图像）的质量评估方法，提供了主观和客观图像质量评估的分类和综述，并评估了 9 种常用的质量评估指标在四个主观质量数据集上的表现和计算时间。本文还简要介绍了 3-D 图像质量评估，并综述了与该领域相关的问题。

    Jun, 2014

  • 广义肖像质量评估

    FHIQA 是一种基于学习的自动肖像质量评估方法，通过图像语义的简单但有效的质量分数重新缩放方法来增强细粒度图像质量度量的准确性，同时保证在训练数据集之外的各种场景设置下能够具有稳健的泛化能力。

    Feb, 2024

  • 用于无参考和全参考图像质量评估的深度神经网络

    本文提出了一种基于深度神经网络的图像质量评估方法，通过数据驱动的方式完成特征提取、回归等过程，与现有的图像质量评估方法相比，在全参考和无参考情况下表现都更好，且不依赖手工特征或人眼视觉系统和图像统计学知识。

    Dec, 2016