论文链接：https://arxiv.org/abs/2202.13123

代码链接：https://github.com/guanghaoyin/CVRKD-IQA

作者单位：浙江大学 & 字节跳动 & 华中科技大学

本文首次提出了一种基于知识蒸馏的内容无关图像质量评估框架CVRKD-IQA，主要贡献如下：

  • CVRKD-IQA利用日常可获取的任意内容高清图作为参考，解决已有全参考/半参考方法需要使用像素级对齐的参考图的限制，同时突破已有无参考方法无法利用高清图像分布信息导致的性能瓶颈，让评估模型更好地学习到各种内容无关高清图的图像分布信息，输出更好的图像质量分数。

  • CVRKD-IQA首次引入知识蒸馏解决内容无关参考性能不稳定问题。选择结构完全相同的两组模型，将使用像素级对齐图像的全参考模型进行预训练之后作为teacher网络(FR-teacher)，将使用内容无关参考图的模型作为student网络，使用知识蒸馏，在保证内容无关参考模型性能稳定的同时，向student网络引入更多的高清-低质差异先验信息，提高内容无关参考student网络(NAR-student)的鲁棒性和准确性。

内容中包含的图片若涉及版权问题，请及时与我们联系删除