ノーリファレンス強化画像品質評価のための好みガイド付きデバイアス除去

要旨:
現状のノーリファレンス画像品質評価（NR-IQA）モデルは、強化画像の一般化が難しく、特定の画像強化アルゴリズムの独自パターンに過剰適合してしまい、真の知覚品質を評価できません。これらの問題に対処するため、ノーリファレンスの画像強化品質評価（EIQA）に対して、嗜好に導かれたバイアス除去フレームワークを提案します。具体的には、監督付きコントラスト学習を用いて、連続的な強化嗜好埋め込み空間を学習します。ここで、類似の強化スタイルで生成された画像は、より近い表現を持つよう促されます。これを基に、生の品質表現に含まれる強化誘起のノイズ成分をさらに推定し、品質回帰の前にそれを除去します。このように、アルゴリズムに依存しない知覚品質の手掛かりに焦点を当てるようにモデルを導き、強化特有の視覚的特徴ではなく、普遍的な品質手掛かりに注目させます。安定した最適化を促進するため、まず強化嗜好空間を学習し、次にデバイアスを除去した品質予測を行う二段階の学習戦略を採用します。公開EIQAベンチマークでの広範な実験は、提案手法がアルゴリズム誘起の表現バイアスを効果的に緩和し、既存のアプローチと比較して優れた頑健性と跨アルゴリズムの一般化を達成することを示しています。