NR-SIQA based on local to global regression

摘要：

本文提出当发生非对称失真时，使用DMOS或MOS来训练网络是不合理的，因此使用FSIM对左右单独视图进行质量分数的预测，将预测标签来训练左右视图网络，称之为局部回归，然后使用DMOS来微调局部回归网络，称之为全局回归。

方法介绍：

网络总共分为两个阶段，第一阶段使用FSIM全参考方法预测左右视图的质量分数，并使用左右视图及其预测标签来训练局部回归网络，在完成第一阶段的训练后，将局部网络参数存储，在第二阶段，将两个通道获得的特征concat，并使用DMOS训练网络得到全局回归。网络总体结构如下所示：

局部回归：

训练局部回归网络时分别训练左右子网络，将左右图像使用FSIM预测得到的值作为标签，训练子网络，并将子网络参数保存，损失函数使用欧氏距离。

全局回归

完成第一阶段预测后，使用DMOS作为标签，将第一阶段得到的特征concat，进行第二阶段网络训练。

总结

总体来看，网络结构中规中矩，只是在训练时采用两阶段进行训练，其它的没什么可说的。。。