BriefGPT - AI 论文速递
·
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。
📝
内容提要
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。
🎯
关键要点
-
本研究提出了一种强健的盲图像质量评估方法。
-
该方法基于强健的训练策略和大规模真实世界数据集。
-
使用多个基于 Swin-Transformer 的模型训练不同的真实世界 BIQA 数据集。
-
通过联合使用有偏差的模型生成伪标签，构建了1,000,000个图像对和伪标签的数据集。
-
采用随机图像的相对质量概率而非固定质量分数进行训练。
-
交叉数据集测试结果显示，该方法性能优于一些最新的直接训练方法。
-
验证了该方法的强健性和泛化性。
➡️
