‘ç£å¯¹æ¯”å¦ä¹

原文约300字，阅读约需1分钟。发表于：。

在这篇论文中，我们提出了一种基于监督对比学习与 Transformer 的图像质量评估模型 SaTQA，该模型通过 SCL 在大规模合成数据集上进行训练，从而提取出具有各种失真类型和水平的图像退化特征，并结合了 CNN 的归纳偏置和 Transformer 的长期依赖建模能力来进一步提取图像的失真信息，最终通过融合对比学习学到的退化特征和骨干网络提取的感知失真信息获取最终的失真图像质量得分。实验结果表明，SaTQA 在合成和真实数据集上都优于目前的最先进方法。

本论文提出了一种基于监督对比学习与Transformer的图像质量评估模型SaTQA，通过训练大规模合成数据集，该模型能提取各种失真类型和水平的图像退化特征，并结合了CNN和Transformer的能力来进一步提取图像的失真信息。实验结果表明，SaTQA在合成和真实数据集上优于目前的最先进方法。