肖像图像质量评估的双支网络
原文中文,约300字,阅读约需1分钟。发表于: 。提出了一种用于肖像图像质量评估的双分支网络,通过使用两个主干网络(Swin Transformer-B)从整个肖像图像和剪裁出的脸部图像中提取质量感知特征,利用 LIQE 模型捕获质量感知和场景特定特征作为辅助特征,通过多感知层回归它们为质量分数,通过学习排序方式使用保真度损失训练模型,实验证明了该模型在肖像图像质量评估数据集上具有优越性能。
该文章介绍了一种轻量级并行框架(LPF)用于盲目图像质量评估。该方法使用预训练的特征提取网络提取视觉特征,并构建一个简单而有效的特征嵌入网络(FEN)来转换视觉特征。通过自监督子任务,包括样本级别的类别预测任务和批级别的质量比较任务,生成准确的质量评分。该方法在多个基准数据集上表现出卓越性能,并具有较低的计算复杂性和更快的收敛速度。