초록
본 논문에서는 일반 이미지 데이터베이스에서 비지도 학습 접근법을 통해 얻은 희소 표현을 사용하여 인식된 이미지 품질을 추정합니다. 색상 공간 변환, 평균 차감, 그리고 화이트닝 연산을 이용하여 공간적 중복성을 줄여 이미지의 설명력을 강화합니다. 선형 디코더를 사용하여 희소 표현을 얻고, 임계값 단계를 사용하여 시각 시스템에서 억제 메커니즘을 구현합니다. 7GB의 데이터(이는 ImageNet 2013 데이터베이스에서 약 1,000개의 이미지에서 무작위로 추출한 100,000개의 8x8 이미지 패치에 해당)를 사용하여 선형 디코더를 학습시킵니다. 지역 정보를 유지하기 위해 패치별 학습 접근법을 선호하였습니다. 제안된 품질 추정기 UNIQUE는 LIVE, Multiply Distorted LIVE, TID 2013 데이터베이스에서 테스트되었으며, 13개의 품질 추정기와 비교되었습니다. 실험 결과 UNIQUE는 정확성, 일관성, 선형성 및 단조적인 행동 측면에서 일반적으로 최고 성능의 품질 추정기임을 보여주었습니다.