基于全球意识的无参考图像质量评估
Zhigang Hu1, Gege Yang1,2, Zhe Du1,2
1School of Medical Technology and Engineering, Henan University of Science and Technology, Luoyang, China.
PloS one
|October 7, 2024
概括
本研究引入了一种新的无参考图像质量评估方法 (NR-IQA),使用Swin变压器 (ST) 和全球自我注意区块 (GSAB). 该方法在各种数据集上展示了卓越的性能和概括能力.
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:
- 图像质量评估 (IQA) 对没有引用的扭曲图像至关重要,但具有挑战性.
- 现有的方法在真实的扭曲图像中难以准确地感知质量.
研究的目的:
- 为真实的扭曲图像开发一个先进的无参考图像质量评估 (NR-IQA) 模型.
- 提高IQA模型的准确性和概括能力.
主要方法:
- 使用Swin变压器 (ST) 进行有效的特征提取.
- 设计了一个全球自我注意区块 (GSAB) 来整合空间和通道信息.
- 加入了一个变压器块来捕获远程依赖.
- 采用双分支结构来预测最终的质量评分.
主要成果:
- 拟议的方法在四个合成数据集和两个真实数据集上表现优于现有的方法.
- 实验结果根据数据集大小进行加权,证实了模型的有效性.
- 该方法在测试中表现出强大的概括能力.
结论:
- 新的NR-IQA方法显示了与当前最先进的技术相比的显著改进.
- 该模型强大的概括能力使其适用于现实世界的应用.
- 未来的工作将涉及发布代码以实现更广泛的可访问性.
