Solo entrenas una vez: un marco unificado para la evaluación de la calidad de la imagen con referencia completa y sin...

Área de la Ciencia:

• Visión por ordenador Visión por ordenador Visión por ordenador Visión por ordenador Visión por ordenador
• Aprendizaje automático Aprendizaje automático.
• Procesamiento de imágenes Procesamiento de imágenes.

Sus antecedentes:

• Los modelos actuales de evaluación de calidad de imagen (IQA, por sus siglas en inglés) están especializados para tareas de referencia completa o sin referencia.
• Las capacidades de evaluación humana son más versátiles, manejando a la perfección ambos tipos de evaluación.

Objetivo del estudio:

• Desarrollar un marco unificado capaz de realizar tanto el IQA de referencia completa como el IQA sin referencia.
• Mejorar la versatilidad y el rendimiento del modelo mediante la integración de estos dos tipos de evaluación.

Principales métodos:

• Un marco novedoso que emplea un codificador para la extracción de características de varios niveles.
• Un módulo de Atención Jerárquica para gestionar de forma adaptativa las distorsiones espaciales en ambos tipos de referencia.
• Un módulo Semantic Distortion Aware para analizar las correlaciones de características entre capas.

Principales resultados:

• El marco logra un rendimiento de vanguardia tanto en tareas IQA de referencia completa como sin referencia cuando se entrena por separado.
• La capacitación conjunta mejora el rendimiento del IQA sin referencia al tiempo que mantiene los resultados competitivos del IQA de referencia completa.
• El enfoque unificado demuestra avances significativos en la versatilidad y eficiencia del modelo.

Conclusiones:

• Un solo modelo versátil puede abordar con eficacia tanto las tareas de AIC de referencia completa como las sin referencia.
• El marco propuesto ofrece un mejor rendimiento y eficiencia en comparación con los modelos específicos de tareas.
• Este enfoque integrado representa un importante paso adelante en el campo de la evaluación de la calidad de la imagen.