Blind Predicting Similar Quality Map for Image Quality Assessment阅读笔记

论文整体思路：借助一个网络对distorted image进行处理，生成出一个处理后的图用来辅助IQA的分数拟合。本文生成出来的是相似图（指distorted图像同reference图像之间的由某种方法获得的相似图，这些相似图可以表示出来图像质量下降的程度），计算IQA的时候直接将这个中间相似图输入IQA的网络得到分数。
1.算法结构

结构共有两部分：上半部分（红色部分）为生成网络，下半部分（蓝色部分）为质量池化网络。
1）生成网络：FCNN的生成网络部分，网络结构是U-Net，4个下采样和对应的4个上采样通过skip连接起来，以便于更好的获得浅层的信息。输入图像是distorted图像中裁剪得到的image patch（patch大小设置为1441443),输出为相似度图，利用SSIM、FSIM的PC和GM、MDSI分别获得的相似度图作为标签，因此有四种label，对应四种生成网络模型。
2）质量池化网络
生成网络生成的两个map图（预测质量图）有不同的融合方式。