CNN을 활용하지 않는 NR IQA 알고리즘은 대부분 NSS (natural scene statistics) 특성에 의존합니다. CNN을 활용하는 NR IQA 알고리즘은 이미지와 이미지 품질 점수 간의 관계를 CNN의 가중치들을 갱신시켜감을 통해 알아갑니다.
올해 2020년에 Multimedia Tools and Applications에 게재된 "Blind image quality assessment using a combination of statistical features and CNN"은 NSS 특성과 CNN으로 얻은 특성을 합쳐서 SVR을 훈련시키는 NR IQA 알고리즘을 제안합니다. 구체적으로 품질 점수를 예측하기 위해 72개 NSS 특성과 CNN으로 얻은 10개의 특성, 총 82개 특성으로 SVR을 훈련시킵니다.
'Research > 컴퓨터비전, 영상처리' 카테고리의 다른 글
| [IQA] 구조의 왜곡에 민감하면서, 텍스쳐 리샘플링은 용인해주는 FR-IQA 방법, DISTS (3) | 2020.08.22 |
|---|---|
| [IQA] FR IQA 알고리즘들을 평가하는 새로운 방법, 2AFC (0) | 2020.08.18 |
| [IQA] DeepFL-IQA (2020년) 알고리즘 설명 (0) | 2020.08.14 |
| [IQA] 2020년 현재 가장 큰 IQA 데이터베이스, KADID-10k (10,125장의 왜곡 이미지) (0) | 2020.08.14 |
| 얼굴 랜드마크(facial landmark)란? (0) | 2020.08.01 |
| 머리 자세 추정(head pose estimation)에서 pitch, roll, yaw angle이란? (1) | 2020.07.31 |
| 동적 텍스처(dynamic texture) 분류란? (0) | 2020.06.29 |
| [IQA] 완벽한 블라인드 품질 평가 방법을 제안한 NIQE (1) | 2020.06.05 |