CVPR 2020 论文大盘点-图像质量评价篇

本文继 去雨去雾去模糊篇 、 图像增强与图像恢复篇 、图像修复Inpainting篇之后，继续盘点CVPR 2020 中底层图像处理技术中非常重要的一块：图像质量评价（Image Quality Assessment）。

示例如下图：

上面左图为原图，中间为经过JPEG2000压缩后的图，右图为高斯模糊后的图，从清晰度来讲，肯定第一幅图质量更高，质量评价就是给图像打分，即如何用算法自动化给图像打分。

可以是有参考图像的打分，比如对图像压缩后质量进行评价。也可以没有参考图像，即盲图像质量评价。

虽然是个小众领域，但是很重要。

因为对图像处理增强也好、恢复也好，你总要评价结果好坏；又或者你单纯的想对某一项视觉任务评估图像能否满足需要，比如针对人脸识别的质量评价，看一幅图像是否应该拒绝还是输入到人脸识别系统中；现在也有很多人研究图像的美学评价，这就很好理解了，对图像拍的美不美进行打分。

CVPR 2020 共有7篇相关论文，既涉及到底层的视觉感知质量的评价，也涉及到对高级视觉任务比如图像描述、人脸识别的质量评价，多篇论文代码开源并贡献了数据集，非常值得参考！

已经开源或者即将开源的论文，把代码地址也附上了。

大家可以在：

http://openaccess.thecvf.com/CVPR2020.py

按照题目下载这些论文。

如果想要下载所有CVPR 2020论文，请点击这里：

CVPR 2020 论文全面开放下载，含主会和workshop

该文为两个真实世界问题：图像文字描述和视觉问答创建了大型图像质量评价数据集，解决在这两个问题图像信