자기적응형 하이퍼 네트워크에 의해 안내되는 와일드 환경에서의 이미지 품질의 맹목적 평가

실제 왜곡 이미지에 대한 블라인드 이미지 품질 평가(BIQA)는 야생에서 촬영된 이미지가 다양한 콘텐츠와 다채로운 유형의 왜곡을 포함하고 있기 때문에 항상 도전적인 문제로 남아왔다. 기존의 대부분의 BIQA 기법들은 합성 이미지 품질을 예측하는 데에 초점을 맞추고 있으나, 실제 세계의 왜곡 이미지에 적용할 경우 성능이 저하된다. 이러한 문제를 해결하기 위해, 야생 환경에서의 이미지 품질을 블라인드로 평가할 수 있는 자기 적응형 하이퍼 네트워크 아키텍처를 제안한다. 본 연구에서는 이미지 품질 평가(IQA) 과정을 콘텐츠 이해, 인지 규칙 학습, 품질 예측의 세 단계로 분리한다. 이미지의 의미 정보를 추출한 후, 하이퍼 네트워크를 통해 인지 규칙을 자동으로 적응적으로 설정하고, 이를 품질 예측 네트워크에 적용한다. 본 모델은 이미지 품질을 자기 적응 방식으로 추정할 수 있어, 다양한 야생 환경에서 촬영된 이미지에 대해 우수한 일반화 성능을 보인다. 실험 결과는 제안한 방법이 도전적인 실제 이미지 데이터베이스에서 최신 기술들을 초월함과 동시에, 합성 이미지 데이터베이스에서도 경쟁력 있는 성능을 달성함을 입증한다. 이는 본 모델이 합성 작업에 명시적으로 설계되지 않았음에도 불구하고 성과를 내고 있음을 의미한다.