交叉 IQA: 无监督学习图像质量评估
原文中文，约300字，阅读约需1分钟。发表于：。提出了一种基于 Vision Transformer (ViT) 模型的无参考图像质量评估 (NR-IQA) 方法 Cross-IQA，可以从无标签图像数据中学习图像质量特征，并利用预训练的编码器进行线性回归模型的微调，实现了对图像的低频降级信息（如颜色变化、模糊等）的先进性能评估。
该论文介绍了一种基于监督对比学习与Transformer的图像质量评估模型SaTQA，通过训练提取图像退化特征并结合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。
