HyperAIHyperAI

Command Palette

Search for a command to run...

Similarité structurale multiscale pour l'évaluation de la qualité d'image

A.C. Bovik E.P. Simoncelli Z. Wang

Résumé

Le paradigme de qualité d’image fondé sur la similarité structurelle repose sur l’hypothèse selon laquelle le système visuel humain est fortement adapté à l’extraction des informations structurelles présentes dans une scène, de sorte qu’une mesure de similarité structurelle peut offrir une bonne approximation de la qualité perçue d’une image. Ce papier propose une méthode multiscale de similarité structurelle, offrant une plus grande flexibilité que les méthodes monocéles précédentes pour intégrer les variations des conditions de visualisation. Nous avons développé une méthode de synthèse d’image afin d’étalonner les paramètres définissant l’importance relative de différentes échelles. Des comparaisons expérimentales démontrent l’efficacité de la méthode proposée.


Créer de l'IA avec l'IA

De l'idée au lancement — accélérez votre développement IA avec le co-codage IA gratuit, un environnement prêt à l'emploi et le meilleur prix pour les GPU.

Codage assisté par IA
GPU prêts à l’emploi
Tarifs les plus avantageux

HyperAI Newsletters

Abonnez-vous à nos dernières mises à jour
Nous vous enverrons les dernières mises à jour de la semaine dans votre boîte de réception à neuf heures chaque lundi matin
Propulsé par MailChimp