BriefGPT - AI 论文速递
·
CLIP-AGIQA：提升AI生成图像质量评估性能的方法
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
近年来，图像生成技术迅速发展，产生了大量的人工智能生成图像（AIGIs）。本研究构建了一个大规模感知质量评估数据库，提出了三种图像质量评估方法，并与当前方法进行了比较。
🎯
关键要点
- 近年来，图像生成技术迅速发展，产生了大量的人工智能生成图像（AIGIs）。
- AIGIs的质量不一致，严重影响用户的视觉体验。
- 基于人类感知角度评估AIGIs质量的AI生成图像质量评估（AIGIQA）受到广泛关注。
- 现有研究尚未完全探索AIGIQA领域。
- 本研究构建了名为PKU-AIGIQA-4K的大规模感知质量评估数据库，填补研究空白。
- 数据库兼顾文本到图像和图像到图像的AIGIs。
- 提出了三种基于预训练模型的图像质量评估方法：无参考方法NR-AIGCIQA，全参考方法FR-AIGCIQA和部分参考方法PR-AIGCIQA。
- 利用PKU-AIGIQA-4K数据库进行了广泛的基准实验，并与当前方法进行了比较。
➡️
