注意力下采样变换器、相对排序与自我一致性在盲图像质量评估中的应用
原文中文，约300字，阅读约需1分钟。发表于：。本研究解决了无参考图像质量评估中的主观与客观评估之间的联系不足的问题。通过引入改进的机制，该研究利用变换器编码器和卷积神经网络提取局部和非局部信息，同时采用自我一致性的方法增强模型的鲁棒性。实验表明，所提出的模型在多个图像质量评估数据集中，特别是在较小数据集上，优于现有算法，具有显著的潜在影响。
本研究解决了无参考图像质量评估中主观与客观评估之间的联系不足的问题。通过引入改进的机制，利用变换器编码器和卷积神经网络提取局部和非局部信息，同时采用自我一致性的方法增强模型的鲁棒性。实验表明，所提出的模型在多个图像质量评估数据集中优于现有算法，尤其在较小数据集上具有显著的潜在影响。
