깊은 이중 선형 합성 신경망을 이용한 맹검 이미지 품질 평가

우리는 합성 및 실제 왜곡을 모두 처리하는 맹검 이미지 품질 평가(BIQA)를 위한 딥 바ILINEAR 모델을 제안합니다. 우리의 모델은 각각 하나의 왜곡 시나리오에 특화된 두 개의 컨벌루션 신경망(CNN)으로 구성됩니다. 합성 왜곡에 대해서는 이미지 왜곡 유형과 수준을 분류하도록 CNN을 사전 학습시키며, 이 경우 대규모 학습 데이터를 활용할 수 있습니다. 실제 왜곡에 대해서는 이미지 분류용 사전 학습된 CNN을 사용합니다. 두 개의 CNN에서 추출한 특징들은 최종 품질 예측을 위해 통합된 표현으로 바ILINEAR 풀링됩니다. 그런 다음, 우리는 스토크라스틱 그래디언트 하강법의 변형을 사용하여 대상 주관적 평점 데이터베이스에서 전체 모델을 미세 조정합니다. 광범위한 실험 결과, 제안된 모델이 합성 및 실제 데이터베이스에서 우수한 성능을 달성함을 보여주었습니다. 또한, 그룹 최대 차별화 경쟁(group maximum differentiation competition)을 통해 워털루 탐색 데이터베이스에서 우리 방법의 일반화 능력을 검증하였습니다.注：在上述翻译中，“바ILINEAR” 是为了保持格式的一致性，实际翻译中应为“바일린어”。