PMT-IQA: Progressive Multi-task Learning for Blind Image Quality Assessment

要約

ブラインド画質評価（BIQA）は、歪みと画像内容の変化の多様性により、異なるスケールに渡る歪みパターンが複雑になり、BIQAのための回帰問題の難易度を悪化させるため、依然として困難である。しかし、既存のBIQA手法は、マルチスケールの歪みパターンと画像内容を考慮できていないことが多く、回帰モデルがより良い性能を出すための学習戦略に関する研究はほとんど行われていない。本論文では、マルチスケール特徴抽出モジュール（MS）とプログレッシブ・マルチタスク学習モジュール（PMT）を含む、シンプルかつ効果的なプログレッシブ・マルチタスク画質評価（PMT-IQA）モデルを提案し、モデルが複雑な歪みパターンを学習し、人間の学習過程の容易から困難への法則に沿った回帰課題をよりよく最適化できるよう支援する．提案するPMT-IQAモデルの有効性を検証するため、広く利用されている4つの公共データセットに対して実験を行い、実験結果から、PMT-IQAの性能は比較アプローチよりも優れており、MSとPMTモジュールの両方がモデルの性能を向上させることが示された。

要約(オリジナル)

Blind image quality assessment (BIQA) remains challenging due to the diversity of distortion and image content variation, which complicate the distortion patterns crossing different scales and aggravate the difficulty of the regression problem for BIQA. However, existing BIQA methods often fail to consider multi-scale distortion patterns and image content, and little research has been done on learning strategies to make the regression model produce better performance. In this paper, we propose a simple yet effective Progressive Multi-Task Image Quality Assessment (PMT-IQA) model, which contains a multi-scale feature extraction module (MS) and a progressive multi-task learning module (PMT), to help the model learn complex distortion patterns and better optimize the regression issue to align with the law of human learning process from easy to hard. To verify the effectiveness of the proposed PMT-IQA model, we conduct experiments on four widely used public datasets, and the experimental results indicate that the performance of PMT-IQA is superior to the comparison approaches, and both MS and PMT modules improve the model’s performance.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL