图像质量评估的感知恒定性约束的单一意见分值校准
内容提要
本文探讨了通过低成本主观质量标注改进图像质量评估模型的方法，提出了多任务框架、最大似然估计和半监督学习等技术，以提高评估准确性和处理不良数据的能力。研究表明，这些方法在多个数据集上表现优越，有效解决评估者偏差，提升图像质量评估性能。
延伸解读
低成本标注的校准思路
文章提出通过建立低成本主观质量标注与高成本主观质量标注之间的主观偏差模型和模型偏差模型来进行校准，以实现准确的图像质量评估。这为降低主观实验成本提供了可行路径，但校准效果依赖于偏差建模的准确性，实际应用中需注意偏差模型的泛化能力。
多任务与半监督的联合优化
文章介绍了一种多任务框架，通过结合两个不连续的数据集联合估算MOS、混响时间和清晰度，并使用半监督框架组合两个MOS数据集以解决评估者偏差。这种方法能利用附加标签和数据提升模型性能，但数据不连续可能带来领域适应问题，需谨慎处理。
最大似然估计处理噪声数据
基于最大似然估计的新方法能从嘈杂的原始测量中恢复主观质量分数，并联合估计受损视频的主观质量、测试对象的偏差和一致性以及视频内容的歧义性，同时提供每个估计的置信区间封闭形式表达式。这有助于充分利用主观信息并处理不良数据，但计算复杂度可能较高。
预处理与半监督学习缓解偏差
文章提出感知相似性主观预处理（PSP）方法，利用图像间的感知相似性减轻较少标注情景下的主观偏倚，并证明预处理数据集能提升下游IQA任务性能。此外，半监督和正无标记学习方法通过动态生成伪MOS处理GAN模型误配问题，在多项数据集实验中表现良好，但伪标签质量可能影响最终效果。
Q&A
如何通过低成本主观质量标注改进图像质量评估模型？
通过建立低成本与高成本主观质量标注之间的偏差模型进行校准，从而实现准确的图像质量评估。
什么是感知相似性主观预处理（PSP）？
PSP是一种主观图像质量评分预处理方法，利用图像之间的感知相似性来减轻主观偏倚。
GMC-IQA框架的主要特点是什么？
GMC-IQA框架综合了全局相关性和均值一致性，通过新的损失函数和网络结构提高了图像质量评估的准确性和泛化能力。
如何利用最大似然估计恢复主观质量分数？
通过最大似然估计的方法，从嘈杂的原始测量中恢复主观质量分数，并提供置信区间的封闭形式表达式。
半监督学习在图像质量评估中的作用是什么？
半监督学习提高了无标签数据的质量检测表现，通过动态生成伪MOS来处理数据中的误配问题。
多任务框架如何改进盲目MOS评估模型的性能？
通过结合两个不连续的数据集，联合估算MOS、混响时间和清晰度，来提高盲目MOS评估模型的性能。
