使用自监督视觉遮盖增强图像质量预测

May, 2023

使用自监督视觉遮盖增强图像质量预测

Enhancing image quality prediction with self-supervised visual masking

Uğur Çoğalan, Mojtaba Bemana, Hans-Peter Seidel, Karol Myszkowski

TL;DR本文通过引入视觉遮盖的概念并在已有的 FR-IQM 模型上进行改进，提出了一种能够更准确地捕捉人类感知的新型图像质量评价方法。同时也提出了建立视觉遮盖模型的自监督学习方法，以此更好地预测图像质量。

Abstract

full-reference image quality metrics (FR-IQMs) aim to measure the visual differences between a pair of reference and distorted images, with the goal of accurately predicting human judgments. However, existing FR-IQMs, including traditional ones like PSNR and SSIM and even perceptual on

full-reference image quality metrics visual masking perceptual quality self-supervised mean opinion scores

发现论文，激发创造

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

结合半监督和正未标记学习提升全参考图像质量评估

本文提出了一种利用半监督和正无标记学习方法来提高无标签数据质量检测表现的方法，通过动态生成伪 MOS，结合全参考图像质量评估和空间注意力机制来处理 GAN 模型带来的误配问题。在多项数据集实验中表现良好。

Apr, 2022

非回归式盲图像质量评估

基于检索相似的图像实例来评估图像质量的无回归框架，包含语义分类模块和畸变分类模块，根据语义和畸变相似度检索多个图像实例并聚合主观质量评分，验证实验表明该模型显著优于基于回归的模型。

Jul, 2023

重新评估医学影像的全参考图像质量评估的研究

图像质量评估 (IQA) 不仅在临床实践中确保高标准的不可或缺，而且在基于医学图像的新算法开发阶段也是必须的。本文提供了一个有结构且全面的示例集，其中两种最常见的全参考 (FR) 图像质量评估方法无法用于评估使用不同类型医学图像 (包括真实世界的 MRI、CT、OCT、X 射线、数字病理学和光声成像数据) 的新算法。需要紧急改进，以增加医学图像及其它领域机器学习的可解释性、可重复性和泛化性。除了这些障碍，我们还将提供未来研究的思路，并建议在医学图像中使用 FR-IQA 方法的指导方针。

May, 2024

中心突出的视觉显著性和基于对比度的全参考图像质量指标

本文提出了一种基于视觉显著性和对比度的全参考图像质量评估方法，该方法增加了中心区域的敏感度，通过在三个大规模的基准数据库上的实验验证，显示出与人类评估数值更强的相关性和更高的实时处理速度，并提供 MATLAB 代码以供测试。

Dec, 2018

一个非监督的信息理论感知质量评估度量

通过结合信息理论目标函数的最新进展和基于人类视觉系统的计算体系结构，以及对成对视频帧进行无监督训练，我们提出了感知信息度量（PIM），并在 BAPPS 图像质量评估数据集上证明 PIM 与监督度量相媲美，且在 CLIC 2020 的图像压缩方法排名预测方面优于监督度量，同时使用 ImageNet-C 数据集进行定性实验，证明 PIM 在架构细节方面具有鲁棒性。

Jun, 2020

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

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

UNIQA：面向完全参考和无参考图像质量评估的统一框架

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

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