通过 MAP 估计在扩散潜变量中比较无参考图像质量模型
原文中文，约400字，阅读约需1分钟。发表于：。现代无参考图像质量评估（NR-IQA）模型可以有效量化感知图像质量，在固定测试集上模型预测与人类感知评分之间存在高相关性。然而，在从感知优化的角度比较 NR-IQA 模型方面几乎没有取得进展。本文首次证明 NR-IQA 模型可以被插入到最大后验估计（MAP）框架用于图像增强，通过在可微且双射的扩散隐变量而不是原始像素域中进行梯度运算。不同的 NR-IQA...
现代无参考图像质量评估（NR-IQA）模型可用于图像增强，但不同模型可能导致不同的增强效果，需要经过感知测试来评估。该方法提供了一种新的计算方法，用于在合成分析框架内比较NR-IQA模型。与传统基于相关性的度量方法相比，该方法在感知优化的背景下提供了互补的洞察力，用于评估竞争的NR-IQA模型的相对优点和缺陷。
