含有感兴趣物体的图像的盲目质量评估
Wentong He1,2, Ze Luo1
1Computer Network Information Center, Chinese Academy of Sciences, Beijing 100190, China.
Sensors (Basel, Switzerland)
|October 14, 2023
概括
本研究介绍了DETR-IQA,这是一种用于同时检测物体和盲目的图像质量评估的模型. 它优先考虑基于感兴趣对象的存在的图像质量,改进现有方法.
科学领域:
- 计算机视觉 计算机视觉
- 机器学习 机器学习
- 图像处理 图像处理
背景情况:
- 当前的图像质量评估方法经常误判具有明显扭曲但有价值内容的图像.
- 现有的模型在评估图像质量时没有考虑到感兴趣的对象的重要性.
研究的目的:
- 开发用于同时检测物体和盲目图像质量评估 (IQA) 的综合模型.
- 确保含有感兴趣物体的图像得到更高的评分,即使有扭曲.
主要方法:
- 提出了DETR-IQA,这是一个端到端的模型,将检测变压器 (DETR) 扩展到IQA头.
- 实现对象区域和其他图像区域的扭曲加权融合以进行质量评分.
- 利用了KonIQ-10k数据集的手动策划的子集,专注于五个对象类.
主要成果:
- 在盲人IQA中,DETR-IQA取得了高性能 (PLCC:0.785,SRCC:0.727),超过了专门的IQA模型.
- 该模型正确地为具有感兴趣物体的图像赋予了更高的质量分数.
- 对对象检测性能和推断速度的影响最小.
结论:
- DETR-IQA有效地执行多任务对象检测和盲目IQA.
- 该模型为分析有趣对象的图像数据集的工作量提供了显著的减少.
更多相关视频
06:25Author Spotlight: Assessment of Visual Acuity in Central Vision Loss Through Motion-Based Peripheral Vision Testing
Published on: February 23, 2024
627
08:25Combining Eye-tracking Data with an Analysis of Video Content from Free-viewing a Video of a Walk in an Urban Park Environment
Published on: May 7, 2019
9.0K
