Describe-to-Score

新框架利用文本和图像评估图像复杂度

研究人员开发了一个名为Describe-to-Score (D2S) 的新框架，该框架整合了文本语义和视觉特征来评估图像复杂度。这种多模态方法旨在捕捉传统仅视觉方法所忽略的高级语义线索。D2S在训练过程中使用派生自字幕的语义来规范视觉复杂度建模，从而在没有额外开销的情况下实现仅视觉推理。该框架在IC9600基准测试中展现了最先进的性能，并在无参考图像质量评估任务中表现出竞争力。