Aug, 2023

GeodesicPSIM：通过地理路径相似性预测带纹理映射的静态网格质量

PDF
TL;DR提出了一种特别为带有纹理贴图的静态网格设计的基于模型的新度量方法 GeodesicPSIM，其通过构建 1 跳的纹理测地线补丁并提取要素来准确预测人类感知质量，该方法在比较新的数据库上与基于图像、基于点和基于视频的度量方法相比表现出卓越的性能，并通过不同超参数设置和消融实验证明了其鲁棒性。
发现论文，激发创造
  • DreamSim：使用合成数据学习人类视觉相似性的新维度

    本文提出了一个全新的知觉度量标准 DreamSim，通过人类相似度判断数据集的研究得出，该标准可以全面评估图片的相似性，更关注于前景物体和语义内容及对颜色和布局敏感，并且具有很好的一般性能。

    Jun, 2023

  • 利用补丁变形改进神经隐式曲面几何

    研究了神经含式表面在多视图 3D 重建中的应用，提出了一种新的添加光照一致性项的神经渲染优化方法 NeuralWarp，并经过了 DTU 和 EPFL 测试，证明其性能优于目前的无监督隐式表面重建技术。

    Dec, 2021

  • 图像质量评估：统一结构和纹理相似性

    通过卷积神经网络，构建了一种显式容忍纹理重采样的完全参考图像质量模型，利用纹理相似度和结构相似度结合来优化图像质量评估，在现有的数据库和纹理数据库上都表现出了具有竞争力的性能。

    Apr, 2020

  • TSMD：静态彩色网格质量评估研究的数据库

    为了促进静态网格压缩算法和客观质量度量的研究，我们创建了腾讯 - 静态网格数据集（TSMD），其中包含具有丰富视觉特征的 42 个参考网格。通过为多边形静态网格编码的 Call for Proposals 于 6 月 23 日发布的失真压缩方案生成了 210 个变形样本，并使用处理过的视频序列进行了大规模的基于众包的主观实验，从 74 个观众那里收集了主观评分。对新数据集进行了分析以验证其样本的多样性和均值意见得分（MOS）的准确性，确立了其异构性和可靠性。评估了最先进的客观度量指标在新数据集上的性能，并报告了约为 0.75 的 Pearson 和 Spearman 相关性，与在较少异构数据集上通常观察到的结果不同，表明有必要进一步发展更强大的度量指标。TSMD 被公开发布，包括网格、PVS 和比特流以及 MOS，可以在以下位置获取：this https URL

    Aug, 2023

  • HySim: 图像修复中的快速混合相似度度量方法

    本研究提出了一种基于基于补丁技术的改进型模型驱动方法，通过引入混合相似度（HySim）来增强补丁选择，从而实现了高质量的图像修复成果。实验结果证明，与其他模型驱动技术相比，该方法在实现视觉上令人满意的修复方面表现出了显著的效果。

    Mar, 2024

  • 基于深度网络的感知相似性度量生成图像

    通过采用深度感知相似度测量（DeePSiM）来代替在图像空间中计算距离，我们的研究表明，此类损失函数能够更好地反映图像的感知相似度，从而减少图像平滑问题，并且在自编码器训练、变分自编码器的修改以及深度卷积网络的反演三种应用场景中表现出令人印象深刻的生成结果。

    Feb, 2016

  • 利用几何度量实现网格不变的三维生成深度学习

    该论文提出了一种可以处理不同参数化的、基于核的计量的网络架构，可以用于人脸的生成学习任务。

    Jun, 2023

  • SJTU-TMQA：一种用于带纹理映射的静态网格的质量评估数据库

    该研究创建了一个大规模的纹理网格质量评估数据库，通过主观实验获得平均意见得分，并评估了 13 种先进的客观指标，结果显示需要更有效的客观指标。

    Sep, 2023

  • 探究视觉感知的纹理插值

    采用最优传输理论来生成纹理样本，提出了一种基于卷积神经网络的插值方法，同时应用于人和猴子的视觉感知和神经敏感度研究，拓展了对视觉处理的理解。

    Jun, 2020

  • 通过学习近义接近程度将手绘草图片段链接起来的图形草图表征

    本文提出了一种具有图形卷积网络的无序、语义感知的图形素描表示方法，该方法通过计算采集的素描嵌入之间的余弦相似性，将裁剪的素描补丁链接起来，并通过图卷积网络聚合消息，从而实现稳健的补丁嵌入和精确的素描表示，进而在可控素描合成和素描修复方面显著提高性能。

    Nov, 2022