Aug, 2023

通过具有多个反义词提示对 CLIP 进行可解释的图像质量评估

PDF
TL;DR提出一种新的无参考图像质量评估方法，利用预训练的视觉 - 语言模型估计图像与文本提示之间的相关性，通过使用提示配对策略和多个反义提示对选择的描述性特征进行匹配，能够不仅评估图像的感知质量，还能确定质量评估的原因。实验结果表明，提出的方法在准确性方面优于现有的无参考图像质量评估方法，并能评估感知质量的退化原因。
no reference image quality assessmentzero-shotnriqa methodpre-trained vision-language modelperceptual image quality
发现论文，激发创造
  • 针对真实世界图像质量评估的质量感知图像文本对齐

    使用 QualiCLIP，这是一种基于 CLIP 的自监督方法，旨在解决无高质量参考图像时测量图像质量的问题；与其他方法相比，在不需要标记的主观测试分数的情况下，在真实场景中表现更好，并且具有更好的鲁棒性和解释性。

    Mar, 2024

  • 多模态提示学习的盲目图像质量评估

    该文章介绍了一种基于多模式提示的创新图像质量评估方法，通过精心设计的提示，从视觉和语言数据中挖掘增量语义信息，在不同数据集上展现出竞争性能，达到了鲁棒性和准确性的提升。

    Apr, 2024

  • 适用于数据高效、无参考图像质量评估的学习通用感知表示

    无参考图像质量评估中，无监督学习的质量表示具有广泛的扭曲捕捉能力，并通过视觉语言模型提取高层次的图像质量信息，将这两组特征结合训练简单回归器有效预测质量，并展示了这些特征在数据有效和零样本情况下的优越性能。

    Dec, 2023

  • PromptIQA：通过提示提升无参考图片质量评估的性能和泛化能力

    通过使用图像 - 得分对（ISP）来引导预测，并通过数据增强策略训练，我们提出了 PromptIQA 方法来适应各种多样化的 IQA 任务需求，并具有更高的性能和更好的泛化能力。

    Mar, 2024

  • CLIP 引导属性感知预训练用于可泛化图像质量评估

    提出了一种新颖的预训练框架，通过从通用视觉语言模型中选择性提取与图像质量相关的知识，并利用大型数据集的可扩展性，构建了一种适用于图像质量评估的通用表示。同时我们的方法在多个数据集上取得了最先进的性能，并展现了显著的泛化能力。

    Jun, 2024

  • 利用对比度增强进行无参考对比度失真图像质量评估

    本文提出了一种针对对比度失真的简单而有效的度量标准，利用结构相似性指数 (SSIM) 、基于直方图的熵和交叉熵等方法综合评估图像质量，进而学习回归模块以预测质量得分。

    Apr, 2019

  • 交叉 IQA: 无监督学习图像质量评估

    提出了一种基于 Vision Transformer (ViT) 模型的无参考图像质量评估 (NR-IQA) 方法 Cross-IQA，可以从无标签图像数据中学习图像质量特征，并利用预训练的编码器进行线性回归模型的微调，实现了对图像的低频降级信息（如颜色变化、模糊等）的先进性能评估。

    May, 2024

  • 图像质量评估模型的黑盒对抗攻击

    本文首次尝试探索黑盒对抗攻击 NR-IQA 模型，通过最大限度地增加原始和扰动图像的质量评分之间的差异来误导对抗性示例的估计质量评分，针对 NR-IQA 模型开发出一种高效和有效的黑盒攻击方法。广泛实验表明，所有评估的 NR-IQA 模型都对该攻击方法存在漏洞，生成的扰动不可转移，有助于研究不同 IQA 模型的特性。

    Feb, 2024

  • 将文本提示引入 AI 生成的图像质量评估

    通过图像和提示的融合，IP-IQA 是一个多模态框架，旨在解决 AI 生成图像质量评估中的问题，并在 AGIQA-1k 和 AGIQA-3k 数据集上达到最先进的水平。

    Mar, 2024

  • 少即是多：利用无参考图像质量评估学习参考知识

    提出了一种基于非对齐参考图像学习比较性知识的新框架来解决无参考图像质量评估的先天缺陷，并改进了特征提取框架以表达更丰富的质量信息，并在 8 个标准无参考图像质量评估数据集上展现了超越最先进方法的卓越性能。

    Dec, 2023