图像质量评估的计算机视觉模型(IQA)预测了通用图像降解的主观效果,例如人工制品,模糊,不良的曝光或颜色。现有IQA数据集中面部图像的稀缺性(低于10 \%)限制了准确过滤低质量的面部图像或指导面部图像处理的CV模型所需的IQA的精度,例如超分辨率,图像增强和生成。在本文中,我们首先介绍了迄今为止最大的注释IQA数据库,其中包含20,000个人体面孔(比所有现有的面孔的额定数据集大),在高度多样化的情况,质量水平和失真水平和变形类型中。基于数据库,我们进一步提出了一种新颖的深度学习模型,该模型重新塑造了生成的先验特征,以预测主观的面部质量。通过利用训练有素的生成模型中编码的丰富统计数据,我们获得了图像的生成性先验信息,并将其作为潜在参考,以促进盲目的IQA任务。实验结果证明了拟议模型在面部IQA任务上的出色预测准确性。
translated by 谷歌翻译