【论文阅读】近期的IQA文章（17-18年）

1 Blind Predicting Similar Quality Map for Image Quality Assessment

时间：cvpr2018

模仿FR-IQA算法的思想：
①generate similarity index map
②pool the map
如图所示：

本文网络：

由两部分组成。

1. FCNN：采用U-Net（原本用于图像分割）网络得到质量图
   采用逻辑回归训练。这里采用的标签分别是有FR-IQA算法SSIM、DSIM、MDSI得到的maps

U-Net网络结构：参考
https://blog.csdn.net/maliang_1993/article/details/82084983

Intuitively, the FCNN tries to simulate the process of FR-IQA methods
generating similarity index maps.

2. DPN定义了一个池化网络，将质量图映射为分数。
   这里采用的标签是database的标签。

Then, given a subjective score label, the DPN which can be equivalent
to various complicated pooling strategies predicts a global image
quality score based on the predicted quality map.

3. 注意：
   在第一步中，不同的FR-IQA分别训练得到不同的网络，就得到多个quality map。
   本文将多个map结合起来，然后池化。有两种方式：
   ①map堆叠得到图组（多个channel），然后输入池化网络。
   ②map分别进行池化，然后串联。