袭击数据集:人类对同类图像扭曲和高斯噪声的反应
Paula Daudén-Oliver1, David Agost-Beltran2,3, Emilio Sansano-Sansano2,3
1Universitat de València, Image Processing Laboratory, València, 46980, Spain. paula.dauden@uv.es.
Scientific data
|January 15, 2026
概括
这项研究引入了人类对图像扭曲的反应的新数据集,如亲缘转换和高斯噪声. 该数据集使用最大概率差异缩放 (MLDS) 收集,比传统方法更准确地衡量知觉图像质量.
科学领域:
- 计算机视觉 计算机视觉
- 人与计算机的交互
- 心理物理学的精神物理.
背景情况:
- 现有的图像质量数据集往往缺乏自然主义的扭曲.
- 在日常视觉体验中经常遇到类似的转换.
- 开发对主观人类知觉的强大模型需要多样化的数据集.
研究的目的:
- 展示人类对超值亲属转换 (旋转,转换,缩放) 和高斯噪声的新型数据集.
- 为评估图像质量评估模型提供一个基准.
- 为了比较最大概率差异缩放 (MLDS) 与传统方法的有效性.
主要方法:
- 利用最大概率差异缩放 (MLDS),一种心理物理方法,收集人类的反应.
- 收集了210名观察员在864张扭曲图像中收集的数据,涉及超过4万次的四倍比较.
- 包括亲属转换 (旋转,转换,缩放) 和高斯噪声作为图像扭曲.
主要成果:
- 数据集成功地复制了有关系和高斯扭曲的经典绝对检测值.
- 对高斯扭曲的反应与现有数据库中的平均意见得分 (MOS) 相相关.
- 在反应时间中观察到皮埃朗定律,MLDS尺度证明比MOS使用对抗性刺激更准确.
结论:
- 本文提供的数据集为培训和评估图像质量模型提供了宝贵的资源,特别是对于自然主义扭曲的模型.
- 与传统的MOS相比,MLDS是量化感知图像质量的更准确的方法.
- 这些发现有助于更好地理解图像质量背景下的人类视觉感知.
