研究人员引入了一个新的全参考图像质量评估（FR-IQA）框架，该框架利用因果推理和解耦表示学习。该方法通过利用内容不变性和受人类视觉感知启发的掩码模块，将图像内容与退化特征分开。该方法从这些退化特征中预测质量分数，在标准基准测试中表现强劲，并在各种图像类型（包括医学和水下图像）中具有卓越的跨域泛化能力，即使在无标签设置下也是如此。 AI
影响 引入了一种新颖的因果推理方法用于图像质量评估，有望提高跨不同图像领域的泛化能力。
排序理由 这是一篇详细介绍图像质量评估新方法的学术论文。
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
arXiv:2604.21654v2 Announce Type: replace Abstract: Existing deep network-based full-reference image quality assessment (FR-IQA) models typically work by performing pairwise comparisons of deep features from the reference and distorted images. In this paper, we approach this prob…