Core Concepts
제안된 양방향 주의 집중 신경망은 초해상도 이미지와 고해상도 참조 이미지 간의 상호작용을 통해 이미지 왜곡에 대한 시각적 주의를 효과적으로 향상시킬 수 있다.
Abstract
본 논문에서는 초해상도 이미지 품질 평가를 위한 첫 번째 심층 학습 기반 전체 참조 방법인 양방향 주의 집중 신경망(BiAtten-Net)을 제안한다.
초해상도 이미지 생성과 품질 평가는 별도의 과정이지만 서로 밀접한 관련이 있다. 이를 고려하여 BiAtten-Net은 두 과정 간의 양방향 정보 상호작용을 통해 왜곡에 대한 시각적 주의를 향상시킨다.
구체적으로, BiAtten-Net은 고해상도 참조 이미지와 초해상도 이미지 각각의 특징을 추출하고, 양방향 주의 집중 블록을 통해 상호작용을 강화한다. 이를 통해 왜곡 수준을 더 효과적으로 평가할 수 있다.
실험 결과, BiAtten-Net은 기존 최신 기법들에 비해 QADS와 CVIU 데이터베이스에서 모두 우수한 성능을 보였다. 또한 시각화 결과와 ablation 연구를 통해 양방향 주의 집중의 효과를 입증하였다.
Stats
초해상도 이미지 생성과 품질 평가는 별도의 과정이지만 서로 밀접한 관련이 있다.
제안된 양방향 주의 집중 신경망은 두 과정 간의 상호작용을 통해 왜곡에 대한 시각적 주의를 향상시킬 수 있다.
QADS 데이터베이스에서 제안 모델의 SRCC, KRCC, PLCC, RMSE는 각각 0.984, 0.908, 0.986, 0.050이다.
CVIU 데이터베이스에서 제안 모델의 SRCC, KRCC, PLCC, RMSE는 각각 0.976, 0.871, 0.976, 0.436이다.
Quotes
"초해상도 이미지 생성과 품질 평가는 별도의 과정이지만 서로 밀접한 관련이 있다."
"제안된 양방향 주의 집중 신경망은 두 과정 간의 상호작용을 통해 왜곡에 대한 시각적 주의를 향상시킬 수 있다."