Rivalidad Binocular y Conjunto Complementario Jerárquico Inspirado en la Fusión para la Evaluación de la Calidad de...

Área de la Ciencia:

• Visión por Computadora
• Procesamiento de Imágenes
• Modelado del Sistema Visual Humano

Sus antecedentes:

• La evaluación de la calidad de imágenes estereoscópicas sin referencia (NR-SIQA) es un desafío debido a las complejidades de la rivalidad y fusión binocular.
• Las distorsiones asimétricas en imágenes estereoscópicas complican aún más la evaluación de la calidad.

Objetivo del estudio:

• Proponer un marco novedoso, Multi-Stage Complementary Ensemble (MSCE), para NR-SIQA.
• Mejorar la regulación dinámica de la fusión de características binoculares y mejorar la consistencia de la predicción.

Principales métodos:

• Desarrolló una estrategia adaptativa de propagación selectiva (ASP) dentro de una arquitectura jerárquica de Transformador.
• Simuló las transiciones del sistema visual humano de rivalidad a fusión utilizando control de ganancia no lineal.
• Integró características de bajo, medio y alto nivel utilizando un módulo de Fusión Complementaria Jerárquica (HCF).

Principales resultados:

• El marco MSCE logró un rendimiento de última generación en cuatro conjuntos de datos de referencia.
• Demostró una consistencia de predicción superior bajo distorsiones asimétricas complejas.
• Validó la efectividad de la estrategia ASP y el módulo HCF para manejar discrepancias binoculares.

Conclusiones:

• El marco MSCE ofrece un avance significativo en NR-SIQA, particularmente para distorsiones asimétricas desafiantes.
• Los métodos propuestos modelan eficazmente la percepción visual humana para una evaluación más precisa de la calidad de la imagen.
• MSCE proporciona una solución robusta para evaluar la calidad de imágenes estereoscópicas en aplicaciones del mundo real.