May, 2024

感知和保真度感知的减引用超分辨率图像质量评估

PDF
TL;DR通过利用低分辨率图像和比例因子来评估图像超分辨率（SR）图像的感知质量和重建保真度，本研究提出了一种新颖的双分支减参考 SR-IQA 网络（PFIQA），其中感知分支利用 Vision Transformer（ViT）和 ResNet 的全局建模和局部关系，结合比例因子实现综合视觉感知，而保真性分支通过视觉感知评估低分辨率和超分辨率图像之间的重建保真度，两个分支的结合与人类视觉系统高度契合，实现全面的 SR 图像评估。实验结果表明，PFIQA 在三个广泛使用的 SR-IQA 基准测试中优于当前最先进的模型，特别在评估真实世界 SR 图像质量方面表现出色。
image super-resolutionsr image quality assessmentreduced-reference sr-iqa networkperceptual qualityreconstruction fidelity
发现论文，激发创造
  • 图像超分辨率质量评估：平衡确定性和统计保真度

    该论文研究了图像超分辨率中的质量评估问题，提出了针对内容依赖的锐度和纹理评估的不确定性加权方案，并将确定性保真度和统计保真度融合，提出了超分辨率图像保真度指数（SRIF），在测试主观评级数据集时表现优于现有 IQA 模型。

    Jul, 2022

  • 盲超分辨率图像质量评估的规模引导超网络

    本文介绍了一种基于尺度引导的超网络框架，用于在盲质量评估过程中以尺度自适应的方式评估超分辨率图像质量。

    Jun, 2023

  • 感知导向的立体图像超分辨率

    该研究通过开发 StereoSRQA 模型，提出了第一种感知定向的立体图像超分辨率方法，并采用 StereoSRQA 数据库为 StereoSR 模型提供准确的指导，从而提高了立体图像的感知质量和位移估计的可靠性。

    Jul, 2022

  • 图像超分辨率质量评估：结构保真度对统计自然性的权衡

    本研究评估了单图像超分辨率 (SISR) 生成的图像的质量，在结构保真度和统计自然性这两个维度的二维空间内观察不同 SISR 算法的行为，进一步证明了全球性质的重要性，并提出了一个新模型 - SFSN 模型进行质量预测。

    May, 2021

  • 用于感知图像超分辨率的 Bi-GANs-ST

    本文介绍了一种通过深度学习框架 Bi-GANs-ST 结合两种生成对抗网络，分别注重客观性能和主观感知的权重感知 SRGAN 和记忆残留 SRGAN，再使用软阈值法合并两个模型的结果从而实现在感知指标和均方根误差之间平衡的超分辨率图像生成方法。实验结果表明，该方法在 PIRM 2018 挑战赛的感知超分辨率任务上表现良好，且在五个基准测试数据集上都具有高度竞争性的性能。

    Nov, 2018

  • 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

  • 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

  • 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

  • 利用多感知特征进行现实世界图像超分辨率学习

    该研究提出了一种新的超分辨率方法 MPF-Net，它利用了输入图像的多个感知特征，实现了多感知特征提取和交叉感知块的有效结合，加入了反思正则化项来提高模型的学习能力，实验证明它在质量和数量上显著优于现有的最先进方法。

    May, 2023

  • 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