研究人员开发了MetaRanker，一个新颖的人机协同框架，旨在更准确地评估超透镜的图像质量。与依赖PSNR等失真度量指标的传统方法不同，MetaRanker优先考虑语义可解释性，关注人类在识别受光学伪影影响的图像中的物体时的能力。该系统使用概率偏好模型和视觉语言模型来指导人类比较，将所需的标注数量显著减少了约80%，同时产生的排序与人类评估非常匹配。 AI
影响 增强了对光学系统AI驱动图像重建的评估，可能加速超透镜的开发。
排序理由 学术论文，详细介绍了一种新的图像质量评估方法。[lever_c_demoted from research: ic=1 ai=0.7]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
