阅读笔记：Blindly Assess Image Quality in the Wild Guided by A Self-Adaptive Hyper Network

引言：

真实数据集的挑战：没有参考图像；图像失真情况复杂，算法不易捕获全局和局部信息；图像内容变化

基于图像内容判断质量，更符合人类感知预测

贡献：

1.真实数据集，超网络IQA模型，自适应调整质量预测参数

2.局部失真感知模块与全局语义特征结合，多尺度特征预测图像质量

3.模型泛化性好

提出的方法：

提取语义特征的骨干网络、预测图像质量q的目标网络、为目标网络产生一系列自适应参数的超网络

3.1自适应IQA模型

传统深度学习表示为：

模型意味着提取相同的质量特征来预测不同的图像。在实际应用中，由于图像内容的不同，用同样的规则来预测不同图像的质量是不彻底的，以覆盖其不同的显示结构。模仿人类感知过程，模型为：