跨数据集鲁棒的盲目现实世界图像质量评估方法
原文中文,约300字,阅读约需1分钟。发表于: 。基于强健的训练策略、大规模真实世界数据集和强大的骨干网络,本研究设计了一个强健的盲图像质量评估方法,通过基于不同真实世界 BIQA 数据集训练多个基于 Swin-Transformer 的模型,并联合使用这些有偏差的模型生成伪标签,使用两个随机图像的相对质量概率而非固定质量分数,进而构建 1,000,000...
本研究提出了一个强健的盲图像质量评估方法,通过训练多个基于 Swin-Transformer 的模型并生成伪标签构建了大规模真实世界图像数据集,训练了跨数据集强健模型,交叉数据集测试结果表明该方法性能优于最新方法。