초록
이미지의 자동 학습 기반 품질 평가가 최근 다양한 응용 분야에서 유용성을 인정받아 주목받는 주제가 되었습니다. 이는 이미지 캡처 파이프라인, 저장 기술 및 공유 미디어 등의 평가에 활용되기 때문입니다. 이 문제의 주관적 성격에도 불구하고, 대부분의 기존 방법은 AVA [1] 및 TID2013 [2]와 같은 데이터셋에서 제공된 평균 의견 점수만 예측합니다. 우리의 접근 방식은 다른 방법들과 달리 합성곱 신경망을 사용하여 인간의 의견 점수 분포를 예측합니다. 또한 우리의 구조는 유사한 성능을 가진 다른 방법들보다 상당히 간단하다는 장점이 있습니다. 제안된 접근 방식은 검증되고 최신의 딥 객체 인식 네트워크의 성공(및 재학습)에 의존합니다. 결과적으로 얻어진 네트워크는 이미지를 안정적으로 점수화하고 인간의 지각과 높은 상관관계를 가지며, 사진 편집/향상 알고리즘의 적응 및 최적화를 지원할 수 있습니다. 이 모든 과정은 "금자탑" 참조 이미지 없이 이루어지므로, 단일 이미지, 의미론적이고 지각적인 무참조 품질 평가가 가능하게 됩니다.