그래디언트 크기 유사성 편차: 매우 효율적인 지각적 이미지 품질 지수

많은 응용 분야에서 출력 이미지의 감각적 품질을 충실하게 평가하는 것은 중요한 작업입니다. 예를 들어 이미지 압축, 이미지 복원 및 멀티미디어 스트리밍 등이 있습니다. 좋은 이미지 품질 평가(IQA) 모델은 높은 예측 정확성을 제공해야 할뿐만 아니라 계산적으로 효율적이어야 합니다. 고속 네트워크에서 대량의 시각적 데이터가 점점 더 많이 사용됨에 따라 IQA 지표의 효율성이 특히 중요해지고 있습니다. 우리는 새로운 효과적이고 효율적인 IQA 모델인 그래디언트 크기 유사성 편차(GMSD)를 제시합니다.이미지 그래디언트는 이미지 왜곡에 민감하며, 왜곡된 이미지 내의 서로 다른 국소 구조는 각기 다른 정도의 저하를 겪습니다. 이는 전체적인 이미지 품질 예측을 위해 그래디언트 기반 국소 품질 맵의 전역 변동을 활용할 필요성을 제기합니다. 우리는 참조 이미지와 왜곡된 이미지 간의 픽셀 단위로 측정한 그래디언트 크기 유사성(GMS)과 혁신적인 풀링 전략을 결합하여 GMS 맵의 표준편차를 통해 감각적 이미지 품질을 정확히 예측할 수 있음을 발견했습니다.결과적으로 GMSD 알고리즘은 대부분의 최신 IQA 방법보다 훨씬 빠르며, 매우 경쟁력 있는 예측 정확성을 제공합니다.