BriefGPT - AI 论文速递
·
基于 Transformer 的无参考图像质量评估通过监督对比学习
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
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。
🎯
关键要点
-
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。
-
模型通过SCL在大规模合成数据集上进行训练，提取各种失真类型和水平的图像退化特征。
-
结合了CNN的归纳偏置和Transformer的长期依赖建模能力，进一步提取图像的失真信息。
-
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优于目前的最先进方法。
➡️
