BriefGPT - AI 论文速递
·
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。
📝
内容提要
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。
🎯
关键要点
- 提出了一种轻量级并行框架（LPF）用于盲目图像质量评估。
- 使用预训练的特征提取网络提取视觉特征。
- 构建了一个简单而有效的特征嵌入网络（FEN）来转换视觉特征。
- 提出了两种新的自监督子任务：样本级别的类别预测任务和批级别的质量比较任务。
- 通过模拟人类视觉系统（HVS）生成准确的质量评分。
- 在多个基准数据集上表现出卓越性能。
- 具有较低的计算复杂性和更快的收敛速度。
➡️
