跳到主要内容
检索

# 无参考图像质量评估

2 篇关联报道

订阅更新
  1. arXiv

    BiCG-Net把质量评分对准目标本身:11个教师读数做同图差分,跨库零样本PLCC达0.8416

    当目标只占画面一小块时,整图质量评分会被背景主导,而公开基准又没有目标级人工评分。BiCG-Net把目标框向外扩成嵌套图块序列,用11个冻结的图像质量评估模型分别打分,再对同一图像内两块读数作差,从数学上消掉目标项与教师偏置。在CSIQ与LIVEC上,学生网络对人工MOS的PLCC分别为0.9009和0.9133,均高于最佳单教师与教师共识;冻结后从CSIQ零样本迁移到LIVEC,PLCC为0.8416,比共识高0.1947。

  2. medRxiv

    面向视网膜OCT B扫描的任务特异性质量门控:在脉络膜分割中学习表征优于标量指标

    该研究以脉络膜分割为原型任务,在80名受试者的6,076张OCT B扫描上系统比较标量无参考图像质量指标(BRISQUE、NIQE、PIQE、SNR、PSNR)、通用ImageNet预训练表征与视网膜基础模型作为任务特异性质量门控信号,发现标量指标与分割Dice相关性极弱(|r|<0.20),通用预训练表征线性探针ROC-AUC最高约0.77,而OCT特异性基础模型RETFound达到约0.81,且仅视网膜基础模型的嵌入空间在无监督K-Means下产生超过患者级置换零分布的按质量对齐聚类。

已读完全部报道