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: