该文章介绍了一种轻量级并行框架（LPF），用于盲目图像质量评估。该方法使用预训练的特征提取网络提取视觉特征，并构建一个简单而有效的特征嵌入网络（FEN）来转换视觉特征。同时，提出了两种新的自监督子任务，包括样本级别的类别预测任务和批级别的质量比较任务。最后，通过模拟人类视觉系统（HVS），将潜在表示输入到失真感知质量回归网络（DaQRN），生成准确的质量评分。该方法在多个基准数据集上表现出卓越性能，具有较低的计算复杂性和更快的收敛速度。

该文章介绍了一种轻量级并行框架（LPF）用于盲目图像质量评估。该方法使用预训练的特征提取网络提取视觉特征，并构建一个简单而有效的特征嵌入网络（FEN）来转换视觉特征。通过自监督子任务，包括样本级别的类别预测任务和批级别的质量比较任务，生成准确的质量评分。该方法在多个基准数据集上表现出卓越性能，并具有较低的计算复杂性和更快的收敛速度。

该研究提出了一种轻量级并行框架（LPF）用于盲目图像质量评估。该方法使用预训练的特征提取网络提取视觉特征，并构建了一个简单而有效的特征嵌入网络（FEN）来转换视觉特征。研究还提出了两种新的自监督子任务，包括样本级别的类别预测任务和批级别的质量比较任务。最后，通过模拟人类视觉系统（HVS），将潜在表示输入到失真感知质量回归网络（DaQRN），生成准确的质量评分。该方法在多个基准数据集上表现出卓越性能，并具有较低的计算复杂性和更快的收敛速度。

本文介绍了一种名为MVPSNet的快速通用的解决多视图光度立体问题的方法。该方法通过特征提取网络结合不同光照条件下的图像，从阴影线索中提取几何特征用于立体匹配。作者通过介绍一种新的人工合成数据集sMVPS来训练该方法，并展示了在纹理缺失区域中提取特征的有效性。结果表明，该方法的重建结果与最先进的MVPS方法PS-NeRF相似，但推理速度快411倍，具有一般化的可训练能力。

本文介绍了一种名为MVPSNet的方法，用于解决多视图光度立体问题。该方法通过特征提取网络有效地结合不同光照条件下的图像，并从阴影线索中提取几何特征进行立体匹配。实验结果表明，该方法的重建结果与最先进的MVPS方法PS-NeRF相似，但推理速度快411倍，具有一般化的可训练能力。