跳到正文
热点事件持续更新

SHAMISA无参考图像质量评估框架被接收发表

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

论文《SHAMISA: SHAped Modeling of Implicit Structural Associations for Self-supervised No-Reference Image Quality Assessment》已被 IEEE Transactions on Image Processing 接收。该工作提出了一种非对比式自监督框架,旨在解决无参考图像质量评估(IQA)问题。该方法无需意见分数或对比损失,通过显式的结构化关系监督从未标注的失真图像中学习。其核心在于组合式失真引擎,能在连续参数空间下生成无限退化族并进行分组训练,从而实现对表示相似性的精细控制。实验表明,该框架在合成、真实及跨数据集基准上均展现出强整体性能、改进的迁移能力及有利的定性鲁棒性诊断。

AI 根据报道生成 · 10 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月19日
  1. arXiv · 机器人与计算机视觉
    SHAMISA:一种用于无参考图像质量评估的自监督框架

    SHAMISA 提出了一种非对比式自监督框架,通过显式的结构化关系监督从未标注失真图像中学习,无需 IQA 意见分数或对比损失。其组合式失真引擎能生成连续参数空间下的无限退化族并分组训练,实现了对表示相似性的精细控制。在合成、真实及跨数据集基准上的实验显示,该方法具备强整体性能、改进的迁移能力及有利的定性鲁棒性诊断。

本事件热度走势

可比范围当前
7
可比范围峰值
911月19日 17:00
近 24 小时变化
–

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。