サインイン
インサイト - 이미지 품질 평가
속성 인식 사전 훈련을 사용한 일반화 가능한 이미지 품질 특징 추출기, ATTIQA
제한된 데이터셋 크기로 인한 문제를 해결하기 위해 이미지 품질 평가(IQA)를 위한 새로운 사전 훈련 프레임워크인 ATTIQA(ATTribute-aware IQA)를 제안하며, 이는 CLIP의 광범위한 이미지-텍스트 지식과 대규모 데이터셋의 확장성을 효과적으로 활용하여 뛰어난 일반화 능력을 보여줍니다.
표준 기반 제로샷 멀티모달 대규모 언어 모델을 활용한 혼합 세분화 이미지 품질 평가: Dog-IQA
Dog-IQA는 사전 훈련된 멀티모달 대규모 언어 모델(MLLM)을 활용하여 이미지 품질을 평가하는 새로운 제로샷 학습 기반 프레임워크로, 객관적인 표준 기반 채점 메커니즘과 이미지의 전역 및 지역 품질을 모두 고려하는 혼합 세분화 집계 메커니즘을 통해 기존 방법보다 우수한 성능을 달성했습니다.
이미지 품질 평가를 위한 단순한 생성 표현 활용
생성 모델을 활용하여 이미지 품질을 효과적으로 예측할 수 있다.
이미지 품질 평가를 위한 이항 분포 모델링
이 연구는 이미지 품질 평가를 위해 이항 분포 모델링을 제안합니다. 이 방법은 두 대안 강제 선택(2AFC) 실험 데이터를 활용하여 다양한 후보 지각 거리 함수의 적합성을 평가합니다.