Aprendizaje de Características Desacopladas con Destilación Perceptual para la Evaluación de la Calidad de Imagen a...

Área de la Ciencia:

• Visión por Computadora
• Aprendizaje Automático
• Procesamiento de Imágenes

Sus antecedentes:

• Los modelos actuales de Evaluación de la Calidad de Imagen a Ciegas (BIQA) luchan con la supervisión débil debido a la complejidad de las distorsiones y la semántica de la imagen.
• Las puntuaciones subjetivas, utilizadas como objetivos de optimización, representan la calidad general pero no logran capturar eficazmente las diversas señales perceptuales.

Objetivo del estudio:

• Desarrollar un marco novedoso para BIQA que desvincule las características conscientes del contenido y las características conscientes de la distorsión.
• Mejorar la precisión y la robustez de los modelos de evaluación de la calidad de la imagen.

Principales métodos:

• Se propuso un marco de Aprendizaje de Características Desacopladas (DFL) que utiliza pares de entrada global-local para descomponer características enredadas.
• Se implementó una estrategia de destilación de conocimiento perceptual con un modelo de Diferencia Apenas Notoria (JND) para la transferencia de características.
• Se introdujo un módulo de atención guiado por distorsión local para integrar características perceptuales desacopladas.

Principales resultados:

• El marco DFL logró un rendimiento superior a los métodos de vanguardia en ocho conjuntos de datos de referencia.
• Demostró la flexibilidad del marco para mejorar las capacidades perceptuales de otras variantes de Transformer.
• El enfoque propuesto aprende eficazmente características compactas globales conscientes del contenido y locales conscientes de la distorsión.

Conclusiones:

• El marco DFL ofrece una solución robusta para BIQA al aprender eficazmente características perceptuales desvinculadas.
• Los métodos propuestos avanzan significativamente el campo de la evaluación de la calidad de la imagen.
• La adaptabilidad del marco sugiere una amplia aplicabilidad en tareas relacionadas de visión por computadora.