絶対カテゴリ評価(ACR)の分布を表現するための新しい確率モデルを提案する。量子化メトリックモデルと最大エントロピー分布の2つのアプローチを検討し、既存のモデルと比較して、より良いフィットと予測性能を示す。
単一意見スコアから平均意見スコアを推定する効率的な方法を提案する。知覚相関を考慮し、参照画像との相対的な質の尺度を学習することで、平均意見スコアの推定精度を向上させる。
画質評価は内容認識よりも複雑な課題であり、高次の認知脳領域を活性化させて詳細な視覚分析を行う。また、脳は入力画質に応じて異なる処理戦略を採用する。高画質画像では専門的な視覚領域を主に使用し、低画質画像では高次視覚野や関連する認知・注意ネットワークを動員して複雑な曖昧なシグナルを効果的にデコードする。
NIRからRGBへのスペクトル変換は、NIR入力とRGB出力間の固有のスペクトルマッピングの曖昧さのため、困難な課題である。提案手法MCFNetは、テクスチャ維持、粗い幾何学再構築、RGBカラー予測の3つのサブタスクに分解し、スケール整合的に段階的にカラーと質感を付与することで、高忠実度の変換を実現する。