Image Quality Assessment

相关概念

图像质量评估（IQA）是对任意的图像进行质量评分，将图像整体作为输入，将图像的质量得分作为输出，图像质量评估分为三种：

全参考图像质量评估（Full-Reference-IQA）：在这种方法中，拥有一个非失真的图像作为基准以测量失真图像的质量。在可以拥有原始图像及其压缩图像的情况下，此方法可用于评估图像压缩算法的质量。Key Insight：质量分数=$f$(参考图像,失真图像), 其中 $f$ 是衡量两者差异的算法（如像素级误差、结构相似性等）。Full-Reference评价指标常见的有PSNR, MSE, SSIM, VIF（视觉信息保真度）, VMAE（视觉感知）等

无参考图像质量评估（No-Reference-IQA）：算法获得的唯一输入是要测量其质量的图像，完全没有可以用来参考的图像，因此被称为无参考“No-Reference”。该方法仅通过待评估的失真图像本身（如压缩、模糊、噪声等）预测其质量，适用于真实场景（如网络下载的图像、监控视频等无法获取原始图像的情况）。

降低参考的图像质量评估：在这种方法中没有可以用来参考的图像，但是具有参考信息的图像（例如，带有水印的图像）可以比较和测量失真图像的质量。FID 通过计算两个图像集在Inception网络上的平均概率距离得出的：Inception网络是一种深度卷积神经网络，用于图像分类任务。通过将图像输入Inception网络并计算输出层的激活，可以得到每个图像的特征向量。然后，计算两个图像集的特征向量的平均概率距离，即可得到FID。该指标能够反映两个图像生成模型生成的图像分布之间的相似度，具有较好的鲁棒性和稳定性