BAND-2k: 幅带感知数据库用于幅带检测和质量评估
该论文研究了频率方面的条纹伪影,并提出了一种无参考条纹检测模型,名为频率敏感的 BANding 检测器(FS-BAND)。实验结果表明,该方法在条纹分类任务中具有更高的准确性,优于现有的图像质量评估方法。
Nov, 2023
在这项研究中,研究者采用了一种基于融合的方法对压缩图像质量进行评估,通过利用畸变特定的度量方法并结合全参考和非参考模型的结果,可提高对压缩图像质量的评估准确性,达到了 79.6%的质量基准准确率,证明了该融合方法的有效性。
Feb, 2024
本研究介绍了迄今为止最大的主观图像质量数据库,并使用这个数据库建造了深度基于区域的体系结构来预测图像的质量,包括全局和局部预测。
Dec, 2019
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
该研究提出一种通过机器学习和离散频率变换来评估由于图像压缩等原因导致的图像质量问题的方法。该方法可以处理包括图块、模糊和噪声等在内的多种视觉信息失真,并且相对于其他方法具有更快的处理速度,适用于实时质量监控应用。
Mar, 2023
本综述对盲图像质量评估 (BIQA) 领域的最新发展和新兴趋势进行了全面分析和讨论,包括专注于特定畸变和通用方法的手工制作 BIQA、采用监督和无监督学习技术的深度学习 BIQA,以及考虑视觉与音频、视觉与文本模态之间相互作用的多模态质量评估方法。同时,还探讨了代表性的 BIQA 数据库,包括合成和真实畸变。我们相信,本综述对视觉质量社区的最新进展和新兴趋势提供了有价值的理解。
Dec, 2023
本文提出了一种基于查询的黑盒攻击方法,通过使用多个分数边界和人类视觉系统的特性,使得攻击方法能够有效地测试无参考图像质量评估方法的稳健性。实验证明,该攻击方法优于其他先进方法,并揭示了 NR-IQA 在黑盒攻击下的脆弱性,同时为进一步研究 NR-IQA 的稳健性提供了有力工具。
Jan, 2024
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
摘要:本文介绍了一种新颖的体系结构,该体系结构由 JPEG 文件量化矩阵参数化,可以实现单个模型在多个不同的质量设置上达到比专门针对不同质量设置训练的模型更好的性能。该模型的训练利用了深度神经网络技术,以解决在 JPEG 图像压缩算法中存在的失真纠正问题。
Apr, 2020
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