패치에서 이미지로(PaQ-2-PiQ): 이미지 품질의 지각 공간 탐색

시각적으로 인식할 수 없는 또는 참조가 없는(No-reference, NR) 인지적 이미지 품질 예측은 매일 수십억 명의 시청자에게 영향을 미치는 사회적 및 스트리밍 미디어 산업에 중대한 영향을 미치는 매우 어려운 해결되지 않은 문제이다. 그러나 현재 널리 사용되는 NR 예측 모델은 실제 왜곡된 이미지에 대해 성능이 매우 낮다. 이 문제 해결을 위해 우리는 약 4만 개의 실제 왜곡 이미지와 약 12만 개의 이미지 패치를 포함한, 지금까지 가장 규모가 큰 주관적 이미지 품질 데이터베이스를 소개한다. 이 데이터베이스를 기반으로 약 400만 건의 인간 평가를 수집하였다. 이러한 이미지 및 패치의 품질 레이블을 활용하여, 최신 기술 수준의 전반적인 이미지 품질 예측을 수행할 수 있는 딥 리지오나 기반 아키텍처를 구축하였다. 또한 유용한 국소적 이미지 품질 맵을 생성할 수 있도록 설계하였다. 본 연구의 주요 기여점은 전역에서 국소로, 그리고 국소에서 전역으로의 추론(피드백을 통한)을 수행할 수 있는 이미지 품질 예측 아키텍처를 개발한 점이다.