HyperAIHyperAI

Command Palette

Search for a command to run...

انحراف التشابه في مقدار المتجه على مقياس متعدد لتقدير جودة الصورة بالألوان

Amine Bermak Pedro V. Sander Bo Zhang

الملخص

في الآونة الأخيرة، تم تطوير العديد من مقاييس تقييم جودة الصور (IQA) القائمة على تشابه المتجهات. وفي هذه الورقة، نوسع أعمال مقياس انحراف تشابه مقدار المتجه (GMSD) ونُقدّم مقاييس أكثر كفاءة. أولاً، نُقدّم فهرس تشابه جديد يمنح المرونة في ضبط معلمة التمويه لتقريبه بشكل أدق من نظام الرؤية البشري (HVS). ثم، نقترح طريقة متعددة المقياس لـ GMSD من خلال دمج درجات تشوه السطوع عند مقاييس مختلفة. علاوةً على ذلك، نُقدّم طريقة لقياس تشوهات اللون في فضاء الألوان YIQ استنادًا إلى مقياسنا. ويُستخلص الفهرس النهائي لتقييم جودة الصور، MS-GMSD c، من خلال دمج درجات السطوع ودرجات التلوين. وأظهرت النتائج التجريبية على أربع مجموعات بيانات شاملة بوضوح أن طريقة الدراسة تحقق أفضل أداء مقارنة بـ 14 طريقة حديثة متقدمة لتقييم جودة الصور، سواء في تقييم الصور الرمادية أو الصور الملونة.


بناء الذكاء الاصطناعي بالذكاء الاصطناعي

من الفكرة إلى الإطلاق — سرّع تطوير الذكاء الاصطناعي الخاص بك مع المساعدة البرمجية المجانية بالذكاء الاصطناعي، وبيئة جاهزة للاستخدام، وأفضل أسعار لوحدات معالجة الرسومات.

البرمجة التعاونية باستخدام الذكاء الاصطناعي
وحدات GPU جاهزة للعمل
أفضل الأسعار

HyperAI Newsletters

اشترك في آخر تحديثاتنا
سنرسل لك أحدث التحديثات الأسبوعية إلى بريدك الإلكتروني في الساعة التاسعة من صباح كل يوم اثنين
مدعوم بواسطة MailChimp