新度量基于人类偏好对图像融合进行排名

研究人员开发了一种名为学习感知图像融合度量（LPIFM）的新度量，用于客观地对红外-可见光图像融合算法进行排名。传统的度量往往无法与人类对融合图像质量的偏好保持一致。LPIFM通过充当直接人类成对比较的替代品来解决这一问题，因为大规模进行此类比较成本过高。该模型在一个新的人类偏好数据集上进行训练，能够预测人类会偏爱两个融合图像中的哪一个，从而为评估融合算法性能提供了一种更可靠、可扩展的方法。 AI

影响 为图像融合模型引入了一种更符合人类的评估方法，有望改善该领域的未来研究和开发。

排序理由 该条目描述了一篇介绍用于图像融合评估的新颖度量的新研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

• alphaXiv
• arXiv
• Bradley--Terry model
• CatalyzeX
• DagsHub
• Gotit.pub
• Hugging Face
• Infrared-visible image fusion
• Learned Perceptual Image Fusion Measure
• LPIFM
• ScienceCast

• 论文
• 其他

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →