초록
최신 딥 러닝 방법을 야외 환경에서의 이미지 품질 예측에 적용하는 주요 과제는 기존 품질 점수 데이터셋의 상대적으로 작은 규모입니다. 더 큰 데이터셋이 부족한 이유는 다양하고 출판 가능한 콘텐츠를 생성하기 위해 막대한 자원이 필요하기 때문입니다. 본 연구에서는 대규모, 실제적이고 다양한 이미지 데이터셋을 생성하기 위한 체계적이고 확장 가능한 새로운 접근 방식을 제시합니다. 이 접근 방식을 통해 우리는 10,073개의 이미지를 포함하는 이미지 품질 평가(IQA) 데이터베이스인 KonIQ-10k를 구축하였으며, 이를 통해 1,467명의 크라우드 워커(120만 개의 평가)로부터 신뢰할 수 있는 품질 등급을 얻기 위한 대규모 크라우드소싱 실험을 수행하였습니다. 우리는 데이터셋의 다양성을 분석하고, 최신 IQA 데이터베이스와 비교하며, 사용자 연구의 신뢰성을 확인함으로써 이 데이터베이스의 생태학적 유효성을 논합니다.