基于注意力和最小可觉差的GAN生成图像质量评价 |
| |
作者姓名: | 姜海涛 石珂 齐苏敏 |
| |
作者单位: | 曲阜师范大学网络信息中心,273165,曲阜市;历下区 12345 市民服务热线运行中心,250000,济南市;曲阜师范大学网络空间安全学院,273165,山东省曲阜市 |
| |
基金项目: | 山东省自然科学基金(ZR2020MF105); |
| |
摘 要: | 现有的客观图像质量评价方法用于GAN生成图像质量评价时,往往出现与人的主观评价不一致的情况.针对这个问题,提出了一种更符合人类视觉感知的GAN生成图像质量客观评价方法AJ-GIQA(attention and just noticeable difference based generated image quality assessment).首先,模拟人类视觉系统的失真敏感度特性,对GAN生成图像进行预处理,得到其最小可觉差图;然后,将注意力模块引入特征提取网络,模拟人类视觉系统的注意力机制,获取图像的显著性特征;最后,将图像特征输入结合语义信息的质量预测网络,基于图像内容综合评价GAN生成图像的质量.在GAN生成图像数据集上的实验结果表明,AJ-GIQA的评价结果与主观平均意见得分有更高的一致性;在图像质量排序一致性上的实验结果表明,AJ-GIQA的准确率在LGIQA-LSUN-cat数据集上达到了最优,和SFA方法相比性能提高了0.267;在泛化性能上的实验结果表明,与最先进的HyperIQA方法相比,AJ-GIQA在数据集PIPAL的Pearson线性相关系数提高了0.027...
|
关 键 词: | GAN生成图像质量评价 生成对抗网络 注意力机制 最小可觉差 |
本文献已被 万方数据 等数据库收录! |
|