Jun, 2024

UHD-IQA 基准数据库：拓宽盲测图像质量评估的界限

PDF
TL;DR我们介绍了一种新的图像质量评估（IQA）数据集，包括 6073 个高分辨率的 UHD-1（4K）图像，以 3840 像素为固定宽度进行注释。与现有的非参考（NR）IQA 数据集相反，我们的数据集侧重于高度美学且高技术质量的照片，填补了文献中的空白。该数据集通过众包研究获得感知质量评级。经过数天的多个评估者的多次评估，我们得到了高度可靠的标签。我们的数据集具有独特的特点，如注重高质量图像、可靠的众包注释和高分辨率注释，为推进感知图像质量评估研究和开发适用于现代照片的实用非参考 IQA 模型提供了新的机会。
image quality assessmentdatasetuhd-1nr-iqa modelsperceptual quality ratings
发现论文，激发创造
  • 一份人像图像质量评估数据集

    该研究介绍了一个人像特定的图像质量评估数据集 PIQ23，其使用配对比较的方法由多位专家对三个特定属性进行注释，在深入的统计分析后，证明了语义信息可以用于提高图像质量评估的预测。

    Apr, 2023

  • KonIQ-10k：一个生态有效的用于盲目图片质量评估的数据库

    通过众包的方式，我们创建了 KonIQ-10k 数据集，该数据集是目前最大的图像质量评估数据集，共计包括 10,073 张有质量评分的图像。我们还提出了一种新的运用深度学习的模型 KonCept512，该模型通过 InceptionResNet 架构进行训练，在高分辨率的数据集上具有了比现有技术更好的泛化性能（SROCC0.921）

    Oct, 2019

  • KonIQ-10k：面向生态有效和大规模的 IQA 数据库

    本文介绍了一种系统化、可规模化的方法，用于创建大规模的、真实和多样化的图像数据集，以进行图像质量评估，并构建了一个包含 10,073 个图像的 IQA 数据库，其中进行了大规模众包实验，以获得 1,467 个众包工人（1.2 百万评分）的可靠质量评级。

    Mar, 2018

  • 高分辨率图像质量数据库

    通过创建高分辨率图像质量数据库，并使用该数据库训练 BIQA 模型，我们展示了高分辨率图像质量数据库对准确预测高分辨率图像的主观评分 (MOS) 所起到的重要作用。

    Jan, 2024

  • 使用大数据学习增强图像的无参考质量评估模型

    本文研究了通过机器学习进行图像质量评估和增强的问题，并开发了一个新的无参考图像质量评估模型和一个基于质量优化的强大的图像增强框架。

    Apr, 2019

  • 通过层次特征融合和迭代混合数据库训练进行野外图片的盲质量评估

    本文提出了针对实际应用中广泛存在的自然图像的全新盲图像质量评估模型，该模型通过提出更好的质量感知特征表示学习方式和解决缺乏多样性的训练样本问题来解决此领域中的两个关键问题。实验结果表明，所提出的模型在六个实验数据库上表现出色，同时在跨数据库评估实验中展现出更强的鲁棒性。

    May, 2021

  • 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

  • 评估现实世界问题图片质量问题

    本研究介绍了一个新的大规模数据集，将图像质量问题的评估与图像字幕和视觉问答两个实际任务联系起来，并发挥了关键作用，包括新问题和算法，以决定图像是否足够质量以对其进行字幕制作，并确定图像包含的质量缺陷以及决定视觉问题是否无法回答，通过公开分享数据集和代码来促进未来的这项工作扩展。

    Mar, 2020

  • 大规模在线众包主客观图片质量研究

    本文介绍一种新的数据集: LIVE In the Wild Image Quality Challenge Database，旨在解决已有的图片质量数据库由于受控条件下被损坏无法很好地反映真实情况的问题，采集了大量真实环境下采集的图片，并通过在线众包系统进行了大规模的主观评估研究，为盲目的图像质量评估算法提供基础研究和深入分析。

    Nov, 2015

  • 在实验室和野外学习盲目评估图像质量

    通过多个畸变场景下的图像数据库训练，我们提出的盲视觉质量评估深度网络模型可以有效地在实验室和野外进行盲目评估，比以前的方法具有更高的评估精度。

    Jul, 2019