GRAM 框架:基于心理测量学优化图像质量评估核集选择
热点事件持续更新
GRAM 框架:基于心理测量学优化图像质量评估核集选择
1 篇报道1 个报道来源14 小时前更新
先了解这件事
AI 综述
研究人员提出了一种名为 GRAM 的框架,该框架受心理测量学分级反应模型启发,旨在优化图像质量评估(IQA)模型的核集选择。GRAM 通过整合潜质、内容敏感度及失真阈值三个关键因素来构建感知质量表征学习方案。 在九个数据集上的实验显示,该方法不仅提升了不同选择策略及下游 IQA 模型的性能,还有效降低了标注预算。相关代码计划公开提供。
AI 根据报道生成 · 12 小时前更新
最新进展11月19日 13:00
GRAM:受心理测量学启发用于图像质量评估的核集选择框架报道时间线
沿着报道,了解事件的不同侧面。
11月19日
- arXiv · 机器人与计算机视觉GRAM:受心理测量学启发用于图像质量评估的核集选择框架
GRAM 是一种受心理测量学分级反应模型启发的感知质量表征学习框架,通过潜质、内容敏感度和失真阈值三个因素优化图像质量评估模型的核集选择。在九个数据集上的实验表明,该方法能提升不同选择策略及下游 IQA 模型的性能并降低标注预算。代码将公开提供。
本事件热度走势
- 可比范围当前
- 7
- 可比范围峰值
- 911月19日 15:00
- 近 24 小时变化
- –
02.557.510
16:0018:0020:0022:0011月20日02:00
趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。