要約
私たちは、合成歪みと実際の歪みの両方を処理する盲目画像品質評価（BIQA）のための深層双線形モデルを提案します。当該モデルは2つの畳み込みニューラルネットワーク（CNN）で構成されており、それぞれが異なる歪みシナリオに特化しています。合成歪みに対しては、画像の歪みタイプとレベルを分類するためのCNNを大規模な学習データを使用して事前学習します。実際の歪みに対しては、画像分類用に事前学習されたCNNを採用します。2つのCNNから抽出された特徴量は、最終的な品質予測のために双線形プーリングにより統一的な表現にまとめられます。その後、確率的勾配降下法の変種を使用して、対象となる主観評価データベース上で全体のモデルを微調整します。広範な実験により、提案したモデルが合成データベースと実際のデータベース双方において優れた性能を達成することが示されています。さらに、グループ最大差異競争を使用してWaterloo Exploration Database上で当方法の汎化能力も確認しました。