BriefGPT - AI 论文速递
·
全球 - 本地渐进融合网络用于盲图像质量评价
💡
原文中文，约500字，阅读约需2分钟。
📝
内容提要
本研究提出了一种全局-局部渐进整合网络（GlintIQA）用于图像质量评估。该方法通过混合特征提取结合全局和局部特征提取器，渐进特征整合和标签分配方法，解决了视觉Transformer在图像质量评估中的挑战。实验结果表明该方法在真实和合成数据集上都取得了显著改进。
🎯
关键要点
- 本研究提出了一种全局-局部渐进整合网络（GlintIQA）用于图像质量评估。
- 该方法通过混合特征提取结合全局和局部特征提取器，解决了视觉Transformer在图像质量评估中的挑战。
- 渐进特征整合通过不同核大小空间对齐粗粒度和细粒度特征。
- 交互堆叠通道注意力和空间增强模块逐步聚合特征，构建有效的质量感知表示。
- 基于内容相似性的标签分配方法自动为不同内容的图像分配质量标签，解决了标注训练数据稀缺性问题。
- 实验结果表明该方法在真实和合成数据集上取得了显著改进，平均SROCC增益为5.04%。
- 模型在跨合成数据集评估中分别取得了5.40%和13.23%的改进。
- 本文提供的代码和数据集将在指定URL发布。
🏷️
标签
➡️
