Hallucinated-IQA

最新推荐文章于 2022-08-04 19:33:58 发布
最新推荐文章于 2022-08-04 19:33:58 发布
阅读量1.3k 收藏 6
点赞数
分类专栏： 图像质量评价
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_34116958/article/details/98939214
版权
Hallucinated-IQA算法利用生成网络创造幻觉参考图像，结合回归网络，解决无参考图像质量评估问题。创新点包括质量感知损失函数、幻觉参考图像的生成与优化，以及辨别网络的使用，提升回归网络性能。
摘要由CSDN通过智能技术生成

算法概述

在失真图像的基础上产生了一个幻觉参考图像，将失真图像和幻觉参考图像成对输入回归网络中，同时结合生成网络中提取的部分信息，最终产生图像的质量分数。

创新点

  • 首先在回归网络中，该网络将感知差异信息融合入回归网络中，这克服了“无参考”的弊端。
  • 在生成网络中提出了质量感知损失函数，该函数包含了纹理特征相似性和质量特征相似性，从而可以产生高质量的幻觉参考图。
  • 幻觉参考图像对最终的预测结果是十分重要的，因此辨别网络和隐式的排名关系融合机制被引入来引导好的幻觉参考图像的生成，并且抑制差的幻觉图像的生成。

具体实施

在这里插入图片描述
正如上图所示，该大网络中总共包含三个部分，生成网络，对抗网络和回归网络。
生成网络
生成的幻觉参考图像弥补了参考图像缺失的问题，因此该幻觉图像与真实图像的差距越小，回归网络效果也会越好，为了生成分辨率更高的幻觉参考图像，采用堆叠沙漏作为生成网络的baseline。在此提出了一个损失函数：
在这里插入图片描述
前半部分惩罚幻觉图像与真实参考图像的像素差异，比如MSE，其可以测量图像间的整体内容；后半部分惩罚幻觉图像与真实图像的感知差异，这里采用特征

最低0.47元/天 解锁文章
Jackybored
关注
  • 0
    点赞
  • 踩
  • 6
    收藏
    觉得还不错? 一键收藏
  • 8
    评论
专栏目录
【IQA】Hallucinated-IQA: No-Reference Image Quality Assessment via Adversarial Learning
晓峰博客笔记
11-28 3222
这是一篇2018年CVPR的论文，强调的一点是生成网络（GAN）和回归网络的互补互助，将两个网络结合在一起进行端到端的训练。 作者运用了“没有条件要创造条件”的思想，提出了通过GAN生成的伪参考图引导质量回归网络来解决无参考图像质量评价问题。 数据库：LIVE、CSIQ、TID2008、TID2013 项目：https://kwanyeelin.github.io/projects/HIQA...
RAN4IQA:Restorative Adversarial Nets for No-Reference Image Quality Assessment
qq_34116958的博客
08-09 1512
本博文介绍下2018年的AAAI一篇图像质量评价文章。 本篇论文和CVPR的一篇文章原理十分类似，要了解上篇请参考Hallucinated-IQA 算法原理 对于失真图像，采用生成对抗网络来生成恢复图像，将失真图像和恢复图像一起输入到评价网络中，最终生成质量分数。 算法详解 Gain of Restoration（GoR） 在本文模型中，将失真图像和恢复图像之间的差异定为GoR，实验发现对于特定的...
Hallucinated-IQA: No-Reference Image Quality Assessment via Adversarial Learning阅读笔记
weixin_45503497的博客
02-20 444
1.论文思想 提出了通过GAN生成的伪参考图引导质量回归网络来解决无参考图像质量评价问题，文章强调的一点是生成网络和回归网络的互补互助，将两个网络结合在一起进行端到端的训练。 2.网络架构 网络共包括三部分：质量感知生成网络（G）、伪参考质量回归网络（R）、判别器（D） 1）质量感知生成网络（G） 总损失： LG = µ1Lp + µ2Ls + µ3Ladv Lp损失是参考图与GT的像素级误差（MSE），即 Ls损失是特征空间质量感知误差，即 其中， Lv是G的相关损失，Lq是R网络相关的损失（这样通
RAN4IQA: Restorative Adversarial Nets for No-Reference Image Quality Assessment
11-02
无参考图像质量评价，深度学习，生成对抗网络，adversarial net (RAN), a GAN-based model for no-reference image quality assessment (NR-IQA).
No-Reference Image Quality Assessment
凌风探梅的专栏
05-27 2796
People Projects Software Datasets          No-Reference Image Quality Assessment Researchers Peng Ye, Le Kang, Jingtao Xu, Jayant Kumar
ssim.rar_Lost!_patch-dictionary
09-24
The learning-based approaches assume that the lost high frequency details in LR images can be retrieved and hallucinated a dictionary of image patch pairs.
熵值法matlab代码-ENIQA:基于熵的无参考图像质量评估
05-25
保守值法matlab代码ENIQA：基于熵的无参考图像质量评估 抽象的 本文提出了一种基于图像熵的高性能通用无参考（NR）图像质量评估（IQA）方法。 图像特征是从两个域中提取的。 在空间域中，计算颜色通道之间的互信息和二维熵。 在频域中，滤波后的子带图像的二维熵和互信息被计算为输入彩色图像的特征集。 然后，利用所有提取的特征，将用于失真分类的支持向量分类器（SVC）和支持向量回归（SVR）用于质量预测，以获得最终质量评估分数。 所提出的方法，我们称为基于熵的无参考图像质量评估（ENIQA），可以评估不同类别的失真图像的质量，并且具有较低的复杂度。 作者 陈小巧，张庆一，林满慧，杨光一*和何楚，IEEE成员 实验 所有实验都是在64位Windows 7的Matlab R2016a上进行的，详细结果在本文中给出。 这些代码还在带有Matlab R2016b的Ubuntu 16.04上进行了验证，并且运行良好。 在实验中使用了两个IQA数据集和。 下表显示了LIVE数据集上ENIQA的SROCC值以及几种经典的NR和FR IQA方法 方法 JP2K JPEG格式 WN GBlur FF 全
模糊度判断：史上最详细图像质量评价（IQA）-hypernet网络详解--第四节
xingjh1的博客
08-04 1827
模糊度判断：史上最详细图像质量评价（IQA）-hypernet网络详解--第四节
论文笔记：Adversarial Net与IQA
God_68的博客
09-18 2583
论文一： 2018年CVPR: Hallucinated-IQA: No-Reference Image Quality Assessment via Adversarial Learning @article{Lin2018Hallucinated, title={Hallucinated-IQA: No-Reference Image Quality Assessment via Ad...
基于CNN的图像质量评价
iamagentleman的博客
07-26 5593
        目前用深度学习做图像质量评价的研究已经1年了，在过去的这一年里，基于深度学习的图像质量评价工作得到了很大的发展。先介绍最近刚看的也是刚出来的一篇CVPR的论文《Hallucinated-IQA: No-Reference Image Quality Assessment via Adversarial Learning》[1]。         这篇论文从性能上来看的确取得了...
iqa 源代码 （Image Quality Assessment 图像质量评价库）
10-10
IQA是一个计算图像/视频质量的基于C语言的库。 里面包含了源代码。
图像质量评价(IQA)论文笔记：Blind Image Quality Assessment via Deep Learning
兔角与禅
04-12 8319
IQA论文笔记：Blind Image Quality Assessment via Deep Learning Weilong Hou et al IEEE TRANSACTIONS ON NEURAL NETWORKS AND LEARNING SYSTEMS, VOL. 26, NO. 6, JUNE 2015 INTRO 对于IQA的label，也就是通常用来做回归的score...
基于深度学习的IQA论文整理
clover97的博客
03-04 3586
经典的CORNIA Unsupervised Feature Learning Framework for No-reference Image Quality Assessment 2012，CVPR 贡献：CORNIA演示了从原始图像像素直接学习鉴别图像特征是可能的，而不是使用手工制作的特征。实现了分块评价的思想。 优点：1、使用原始图像的补丁s作为局部描述符而非人工标注，高效且易于计算2、基...
Convolutional Neural Networks for No-Reference Image Quality Assessment 笔记
walle的博客
08-22 4701
直接用CNN来做图像质量评价效果是不好的，因为在物体识别方面，CNN通常用来提取局部不变特征，而对无参考图像质量评价NR-IQA来说，需要能提取自然场景统计信息NSS
论文笔记（4）：排序图像质量评价 RankIQA
张文龙的博客
11-29 7509
RankIQA: Learning from Rankings for No-reference Image Quality Assessment Part 1: Definition： Problem： Motivation： Paper method： Part 2: Part 3:
图像质量评价的意义
liulangtaiyang的博客
03-15 3151
图像是人类获取外界信息的主要媒介，基于图 像的信息交流通常涉及图像的获取、压缩、存储和 传输等过程[1]。图像的获取受硬件条件和环境因素 的限制可能会引入高斯噪声，图像压缩也可能会带 来图像的块效应、振铃和模糊等现象。这些不可避 免的图像质量损失影响着图像信息表达的充分性和 准确性，影响人们的视觉感知效果[2,3]。为了降低 这些视觉可感知的图像质量损失，需量化图像质量 的退化程度，以便于在处理过...
盲图像质量评价BIQA
宝宝的宝宝爱写代码
02-27 3524
    这次要处理的问题是image quality assessment 中的Blind Image Quality Assessment，或者no reference image quality assessment，即无需参考图片对一张图像质量进行评价。       以下是参考资料，其中包括传统方法和深度学习的方法。    近期deep learning做图像质量评价（image quali...
图像质量评估（IQA）基础知识
个人学习
03-29 9342
图像质量评估（IQA）基础知识 全参、半参和无参 常用衡量标准 http://blog.csdn.net/caoleiwe/article/details/49045633 本研究采用三个常用的性能指标来衡量3D-IQA方法的性能：首先，Pearson的线性相关系数（PLCC），它用于衡量预测的准确性；其次， Spearman的等级有序相关系数（SROCC） 用作预测单调性的度...
【机器学习】 - 关于图像质量评价IQA（Image Quality Assessment）
xuanweiace的博客
03-08 5574
图像质量评价（Image Quality Assessment,IQA）是图像处理中的基本技术之一，主要通过对图像进行特性分析研究，然后评估出图像优劣（图像失真程度）。 主要的目的是使用合适的评价指标，使得评价结果最符合人类主观评价。 从有没有人参与的角度区分，图像质量评价方法有主观评价和客观评价两个分支。 图像质量主观评价： 主观图像质量的评价方法是以人的主观意识为判断的评价方法，主观评...
Hallucinated-IQA代码
最新发布
07-25
很抱歉，我无法提供Hallucinated-IQA的代码。你可以在引用\[2\]中提到的论文中找到更多关于Hallucinated-IQA的信息。该论文的标题是"Hallucinated-IQA: No-Reference Image Quality Assessment via Adversarial ...
评论 8
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值