基于注意的补丁的CNN对盲人的360度图像质量评估
Abderrezzaq Sendjasni1, Mohamed-Chaker Larabi1
1CNRS, Université de Poitiers, XLIM, UMR 7252, 86073 Poitiers, France.
Sensors (Basel, Switzerland)
|November 14, 2023
概括
本研究介绍了一种注意力意识深度学习模型,用于盲人360度图像质量评估 (360-IQA). 该模型增强了准确性和概括性,以减少计算复杂性优于现有方法.
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:
- 盲目360度图像质量评估 (360-IQA) 对于沉浸式体验至关重要.
- 现有的模型经常在空间意义和计算效率方面扎.
研究的目的:
- 为高级360-IQA开发一种注意力意识的基于补丁的深度学习模型.
- 与最先进的方法相比,提高准确性,概括性和计算效率.
主要方法:
- 利用空间注意力机制和跳过连接来实现特征对齐.
- 实施了自适应补丁采样,考虑到用户的探索和度.
- 采用了适应性策略,将本地补丁的质量放在一起,包括异常排斥和突出权重.
主要成果:
- 拟议的模型在准确性和概括性方面明显优于现有的基于深度学习,多道和自然场景统计数据的模型.
- 与多通道模型相比,实现了计算复杂性的大幅降低.
- 废弃性研究证实了单个模型组件的有效性.
结论:
- 基于注意力的补丁模型代表了360-IQA的重大进步.
- 为评估360度图像质量提供了一个更准确,更普遍,更有效的计算解决方案.


