Feb, 2024

使用层叠技术进行压缩图像质量评估

PDF
TL;DR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。
image quality evaluationdistortion-specific metricscompressed image quality assessmentgeneralizationfusion-based approach
发现论文，激发创造
  • 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

  • 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

  • SwinIQA：基于学习的 Swin 距离用于压缩图像质量评估

    本文通过设计一个基于 Swin Transformer 的全参考图像质量评估指标 SwinIQA，能够测量压缩图像的感知质量，并在 CLIC 数据集中实现了比传统方法和基于学习的方法更高的人类感知判断的一致性。

    May, 2022

  • 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

  • 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

  • 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

  • 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

  • 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

  • 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

  • 基于知识蒸馏的内容相关参考图像质量评估

    本文提出了一种基于知识蒸馏的内容变异参考方法（CVRKD-IQA），通过使用不对齐的高质量图像引入各种先验分布，并通过知识蒸馏从全参照教师向 NAR 学生传输更多的高质量 - 低质量分布差异信息，从而实现更好的图像质量评估。

    Feb, 2022