申请试用
HOT
登录
注册
 
跨失真场景的盲图像质量评价探索
跨失真场景的盲图像质量评价探索

跨失真场景的盲图像质量评价探索

白玉兰开源
/
发布于
/
485
人观看

摘要:
近年来,深度学习的蓬勃发展极大促进了图像处理及计算机视觉技术在不同的研究领域取得突破性的进展。与此同时,技术的进步也引入了新的图像失真,对图像质量评价也提出了新的挑战。盲图像质量评价不依赖于失真图像的无失真参考图像对图像进行质量评估,在实际场景中具有较为广泛的应用潜力。面对不断更迭变化的失真场景,传统图像质量评价模型的泛化性能受到了较大的挑战。
受此激励,我们在三个不同的层次上探索了跨失真场景下的盲图像质量评价模型:
1)基于深度双线性网络的盲图像质量评价模型;
2)不确定可察的实验环境及自然场景下的盲图像质量评价;
3)持续学习下的盲图像质量评价。
实验表明,我们提出的方法能有效提升盲图像评价模型在跨失真场景下的泛化性能。

讲师介绍

image.png
张维夏,上海交通大学人工智能研究院博士后,2018年博士毕业于武汉大学电子科学系。研究方向包含图像质量评价、计算机视觉等。在TIP, TCSVT, JVCIR, DSP, ICIP, ACCV等会议和期刊上发表论文十余篇。担任TIP,TCSVT,TMM,TNNLS, Neurocomputing,DSP等期刊审稿人。博士后期间获得国家自然科学青年基金项目资助。

评议人

image1.png

闵雄阔,现为上海交通大学博士后,2018年博士毕业于上海交通大学电子工程系。研究方向包含图像质量评价、视觉注意力建模以及感知信号处理。 在TIP, TMM, TITS, TBC, TOMM, IS, SP, ICME, VCIP等期刊会议上发表论文数十篇。获得MMC 2019最佳论文,ICME 2018 Salient360 Grand Challenge大奖, ICME 2017 Salient360 Grand Challenge特殊奖, ICME 2016最佳学生论文,2018上海交大优秀毕业生等奖项。担任QoMEX 2020, VCIP 2018-2020 TPC。担任TIP, TMM,TCYB, TSP,TIE, TII,SPIC, ICME, ICIP等多个国际期刊/会议审稿人。博士后期间获得博士后创新人才计划、上海市超级博士后激励计划、博士后科学基金面上资助及国家自然科学青年基金项目资助。

1 点赞
2 收藏
11下载
确认
3秒后跳转登录页面
去登陆