2 / 2022-08-25 11:29:19

一种基于超网络的无参考全景图像质量评价模型

全景图像作为虚拟现实应用的主要载体，相较传统平面图像拥有更佳的沉浸性和交互性。但是在全景图像的生成、传输、投影等阶段受现有技术限制，易引入不同类型的失真而影响使用体验。现有基于深度学习的全景图像质量评价方法多采用将输入图像直接映射到质量分数的方式，旨在对全景图像进行质量分类，但在数据集复杂的情况下易产生歧义。为解决上述问题，本文提出了一种基于超网络的无参考全景图像质量评价方法。首先，为了全面捕捉全景图像的失真特征，提出了一种多路卷积神经网络模型，并在每个主干网络引入局部失真感知模块，实现了对图像的多尺度特征学习；其次，为模拟客观世界中人类感知过程，将超网络思想引入到图像质量评价中，有针对性的生成图像质量评价规则；最后，将学习到的特征和规则输入到质量预测网络中，得到全景图像的质量分数。我们在OIQA和CVIQ两种公共数据集上进行了大量实验，实验结果表明本文提出的方法明显优于现有的主流方法，与人类主观评价具有很好的一致性，且具备优秀的泛化性。