UHD-IQA Benchmark Database: Pushing the Boundaries of Blind Photo Quality Assessment

我们介绍了一个新的图像质量评估(IQA)数据集，包含6073张3840像素宽度的UHD-1(4K)图像。与现有的无参考(NR) IQA数据集不同，我们的数据集专注于高技术质量的高审美照片，填补了文献中的空白。这些图像经过精心筛选，排除了合成内容，足够多样化，可以训练通用的NR-IQA模型。该数据集通过众包研究获得了感知质量评分。十个专家评估员，包括摄影师和图形艺术家，在多个跨越数天的会话中至少两次评估了每张图像，结果标签非常可靠。评估员根据多个指标严格选择，包括自我一致性，以确保其可靠性。该数据集包括丰富的元数据，包括来自5000多个类别的用户和机器生成的标签以及受欢迎程度指标，如收藏、喜欢、下载和查看次数。由于其专注于高质量图像、可靠的众包注释和高注释分辨率等独特特征，我们的数据集为推进感知图像质量评估研究和开发适用于现代照片的实用NR-IQA模型开辟了新的机会。我们的数据集可在https://database.mmsp-kn.de/uhd-iqa-benchmark-database.html上获取。

本论文旨在提供一个高质量的图像质量评估（IQA）数据集，填补现有NR-IQA数据集中的空白，同时为开发实用的NR-IQA模型提供新机遇。

该论文提供了一个包含6073张高质量、高审美价值的UHD-1（4K）图像的数据集，使用众包研究获取了每张图像的感知质量评分，并使用多个专家评估者进行了验证。该数据集的关键思路是提供一个高质量、可靠的数据集，以便训练通用的NR-IQA模型。

该数据集的亮点包括：高质量的图像、可靠的众包标注、丰富的元数据和高分辨率的标注。此外，该论文还提供了开源的数据集和代码，以便其他研究人员进行进一步研究。

最近的相关研究包括：1）《A Large-Scale Database for Aesthetic Visual Analysis》；2）《A Large-Scale Study of Image Aesthetic Assessment》；3）《Deep Learning for Image Aesthetics: A Survey》等。