摘要
将最先进的深度学习方法应用于预测野外图像质量的主要挑战在于现有评分数据集的规模相对较小。缺乏更大规模数据集的原因在于生成多样化且可发布的图像内容所需的巨大资源。本文介绍了一种新的系统性和可扩展的方法，用于创建大规模、真实且多样的图像数据集，以进行图像质量评估（IQA）。我们展示了如何构建了一个包含10,073张图像的IQA数据库——KonIQ-10k，并进行了大规模的众包实验，从1,467名众包工作者那里获得了可靠的图像质量评分（共120万个评分）。我们通过分析数据集的多样性、将其与现有的最先进IQA数据库进行比较以及验证用户研究的可靠性来论证其生态有效性。