BriefGPT - AI 论文速递
·
图像质量评估的感知恒定性约束的单一意见分值校准
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
本文提出了一种通过最大似然估计来表征图像平均意见分数（MOS）的高效方法。通过自监督学习的质量感知表示，引入了可学习的相对质量度量来预测图像之间的MOS差异。实验证明该方法在校准有偏SOS方面效率高，并改善了IQA模型的学习。
🎯
关键要点
-
本文提出了一种通过最大似然估计来表征图像平均意见分数（MOS）的高效方法。
-
假设每个单个意见分数（SOS）是正态分布的观测样本，MOS 是其未知期望值。
-
考虑成对图像的感知相关性以对 SOS 的似然建模。
-
引入可学习的相对质量度量来预测两个图像之间的 MOS 差异。
-
当前图像的最大似然估计 MOS 由另一个参考图像的估计 MOS 和它们的相对质量之和表示。
-
通过反向传播和牛顿法交替优化相对质量度量参数和当前图像的估计 MOS。
-
实验证明该方法在校准有偏 SOS 方面效率高，并显著改善了 IQA 模型的学习。
➡️
