基于神经网络的图像和视频质量度量优于传统方法,但易受对抗攻击。本文分析了15种无参考质量度量在不同攻击下的鲁棒性,发现某些度量更具抗攻击性。研究人员可以提交新方法提高鲁棒性或选择合适的度量。基准测试可通过 pip install robustness-benchmark 使用。
正在访问的资源需要验证您是否真人。
或在微信中搜索公众号“小红花技术领袖”并关注
第二步:在公众号对话中发送验证码: