HyperAIHyperAI

Command Palette

Search for a command to run...

vor 4 Monaten

SR-SIM: Ein schneller und leistungsstarker IQA-Index basierend auf dem spektralen Rest

{Hongyu Li Lin Zhang}

Abstract

Die automatische Bildqualitätsbewertung (IQA) zielt darauf ab, mithilfe rechnerischer Modelle die Bildqualität konsistent mit subjektiven Bewertungen zu messen. In den vergangenen Jahrzehnten wurden Dutzende von IQA-Modelle vorgeschlagen. Obwohl einige dieser Modelle die subjektive Bildqualität präzise vorhersagen können, sind ihre rechnerischen Kosten oft sehr hoch. Um Echtzeitanforderungen gerecht zu werden, schlagen wir in diesem Artikel einen neuartigen, schnellen und effektiven IQA-Index vor, den sogenannten Spektralresiduum-basierten Ähnlichkeitsindex (SR-SIM), der auf einem spezifischen visuellen Aufmerksamkeitsmodell, dem Spektralresiduum-visuellen Aufmerksamkeitsmodell, basiert. SR-SIM ist auf der Hypothese aufgebaut, dass die visuelle Aufmerksamkeitskarte eines Bildes eng mit seiner wahrgenommenen Qualität verknüpft ist. Umfangreiche Experimente an drei großen IQA-Datensätzen zeigen, dass SR-SIM eine bessere Vorhersageleistung als die anderen aktuell besten IQA-Indizes erzielt. Darüber hinaus weist SR-SIM eine äußerst geringe rechnerische Komplexität auf. Der Matlab-Quellcode von SR-SIM sowie die Bewertungsergebnisse sind online unter http://sse.tongji.edu.cn/linzhang/IQA/SR-SIM/SR-SIM.htm verfügbar.

Benchmarks

BenchmarkMethodikMetriken
video-quality-assessment-on-msu-video-quality-1SR-SIM
KLCC: 0.7472
SRCC: 0.9014

KI mit KI entwickeln

Von der Idee bis zum Start — beschleunigen Sie Ihre KI-Entwicklung mit kostenlosem KI-Co-Coding, sofort einsatzbereiter Umgebung und den besten GPU-Preisen.

KI-Co-Coding
Sofort einsatzbereit GPUs
Beste Preise
Jetzt starten

Hyper Newsletters

Abonnieren Sie unsere neuesten Updates
Wir werden die neuesten Updates der Woche in Ihren Posteingang liefern um neun Uhr jeden Montagmorgen
Unterstützt von MailChimp
SR-SIM: Ein schneller und leistungsstarker IQA-Index basierend auf dem spektralen Rest | Forschungsarbeiten | HyperAI