NIMA : Évaluation Neurale des Images

L'évaluation automatique de la qualité des images est récemment devenue un sujet brûlant en raison de son utilité dans une grande variété d'applications, telles que l'évaluation des chaînes de capture d'images, des techniques de stockage et des médias de partage. Malgré le caractère subjectif de ce problème, la plupart des méthodes existantes ne prévoient que la note moyenne d'opinion fournie par des jeux de données tels que AVA [1] et TID2013 [2]. Notre approche se distingue des autres en prédiction la distribution des notes d'opinion humaines à l'aide d'un réseau neuronal convolutif. Notre architecture présente également l'avantage d'être considérablement plus simple que les autres méthodes avec des performances comparables. Notre approche proposée s'appuie sur le succès (et le réentraînement) des réseaux de reconnaissance d'objets profonds éprouvés et à la pointe de la technologie. Le réseau résultant peut non seulement être utilisé pour évaluer les images de manière fiable et avec une forte corrélation à la perception humaine, mais aussi pour aider à l'adaptation et à l'optimisation des algorithmes de retouche/amelioration photographique dans une chaîne photographique. Tout cela est réalisé sans nécessiter une image de référence "parfaite", permettant ainsi une évaluation sans référence, sensible au sens et à la perception, pour les images individuelles.