MetaRefine

MetaRefine架构利用元数据改进图像评估分数

研究人员开发了MetaRefine，这是一种新颖的架构，旨在通过整合有关图像原始尺寸和构图的元数据来提高图像评估分数。该系统通过分析几何线索、多级视觉特征以及来自冻结模型的初始分数来精炼分数。MetaRefine已在各种数据集上展示了显著的改进，降低了平均绝对误差（MAE）和均方根误差（RMSE），同时提高了皮尔逊相关系数（PLCC）和斯皮尔曼等级相关系数（SRCC），所有这些都具有最小的参数开销。