KonX：跨分辨率的无参考图像质量评价

作者
：Oliver Wiedemann，Vlad Hosu等

来源
：Arxiv

论文链接
：https://arxiv.org/abs/2212.05813

论文题目
：KonX: Cross-Resolution Image Quality Assessment

内容整理
：贾荣立

引言
KonX 数据集
模型架构
实验结果
总结

引言

尺度不变性是许多计算机视觉子领域中的问题。例如，在分类任务中，对象标签应该在不同尺度上保持不变，但不同尺度的图像会给模型预测带来一定的偏差；对于ground-truth随着图像尺度变化而变化的任务，如图像质量评价任务来说，尺度不变性问题将会更加的重要。

在图像质量评价（IQA）中，降采样可以减弱损伤，如模糊或压缩伪影，从而提高主观实验中的人类感知质量分数。因此，为了准确预测感知图像质量，多分辨率IQA方法必须同时考虑由模型不足引起的分辨率依赖误差，以及ground-truth的感知分数的变化。

本文基于这个问题，设计了全新的跨分辨率的IQA数据集，找到由分辨率变化引起的人类主观感知质量分数变化的经验证据；说明了先前的IQA方法具有尺度偏差，降低了它们的预测性能；并提出了一个多尺度、多列的深度学习网络结构，相比于之前的IQA模型，性能达到了SOTA水平。

KonX 数据集

针对上述问题，提出了新型跨分辨率IQA数据集 KonX 。KonX 对三种不同分辨率的图像进行了主观标注，作为IQA模型的基准，强调了注释的可靠性。

KonX 包括210张来自 Flickr 的图像和210张来自 Pixabay 的图像，以补充高质量的范围。图像采用基于离散元数据和其他图像属性的分层方法进行采样，以达到丰富多样化内容和感知质量水平的目的。通过裁剪所选择的图片，将其设置高宽比为4:3，然后利用Lanczos插值将这些数据降采样到三种分辨率：2048×1536px，1024×768px 和 512×384px。

模型架构

不同CNN层特征的特性及其尺度依赖性，以及对于迁移学习的影响是不同的。对于单独的filter来说，尺度依赖性是非常明显的，通常意味着他们只能检测到某些固定大小的模式，而对于深度卷积网络中使用的filter组或卷积级联来说，尺度依赖性则并不明显。例如，Imagenet模型在最后一层中达到了一定程度上的尺度不变性。基于此，我们考虑了多个方面的困难：

训练-测试规模差异：经过训练的更接近测试分辨率的对象分类模型在微调后表现更好。
尺度不可知论特征：根据格拉齐亚尼等人对尺度不变性的观察，晚期特征可能不利于质量评估。
多级绑定：主干网络和头部网络之间的连接传统上是基于单个后期层的输出，跨任务学习可能会受到限制。
分辨率过拟合：针对NR-IQA的现代深度学习网络体系结构一次接受一个输入大小。在有限的实验中发现，在多种分辨率上训练这些模型并不能提高它们的跨分辨率性能，相反，往往会使得性能降低。

基于上述考虑，我们最终设计的网络结构如下：我们使用一个在 600×600px 大小的图片数据集上预训练的 EfficientNet-B7 作为backbone，并训练了一个不同的输入分辨率，类似于用于尺度不变的两列检测网络，从而深度集成列级MLSP类型的特征。

所提出的Effnet-2C-MLSP如上图所示。它由两列的 MLSP block 组成，这两个 block 都在 ImageNet-1000 上用 600x600px 大小的图像预训练，并使用 512x384px 和 1024x768px 的图像进行微调。两列都使用一个级联多层感知器（MLP）头部。所得到的特征通过全局平均池（GAP）对 project_bn 层的激活进行采样。由于前面的两层使用了dropout 归一化，所以从 dropout 层之前的两层中提取输出特征。

project_bn 特征维度大约为12000，在将每个列传递到MLP头之前，通过单独的 dense layers 将其缩小到1024，从而大大减少了所需参数的数量。与简单地将特征加起来相比，这种分层组合允许通过反向传播来提高列特性的逐尺度区分级别。模型预测一个单一的平均意见得分（MOS），并通过损失函数MSE进行学习。

实验结果

总结

本文介绍了跨分辨率下的 NRIQA 问题，在预测不同尺寸的真实失真图像的质量方面取得了重大进展。本文首先引入了一个专门为跨分辨率 IQA 而设计的基准数据集 KonX，它包括来自两个数据集的 420 张图像，并通过主观研究在三种表示分辨率下进行了可靠的注释。此外，设计并使用 Effnet-2C-MLSP 模型对多分辨率图像进行质量预测，并在跨分辨率数据集 KonX 上实现了 SOTA 性能。

继续阅读

阅读原文