基于学习的图像编码方案性能评价及质量度量

JPEG-AI ad hoc组的目标是使用精确且定义良好的评估方法来评估基于深度学习的图像编码解决方案的性能。因此,在比利时布鲁塞尔举行的第84届JPEG会议期间,由专家和非专家观察员(共18人)进行了主观图像质量评估实验。实验评估了5种基于学习的图像编码方案在4种不同比特率下对4种基于变换的编解码器(HEVC、WebP、JPEG2000和JPEG)在8sd到UHD自然图像上的性能。在加州圣何塞举行的第85届JPEG会议上获得并报告的实验结果表明,基于最新学习的图像编码算法的主客观质量优于基于变换的编解码器。对视觉结果的彻底检查揭示了在基于学习的编解码器中遇到的典型工件。此外,针对不同类型的编码解决方案(即基于变换和学习的图像编解码器),对多个全参考客观质量度量进行评估,以找出哪些度量与人类意见得分的相关性更好。

完整的“基于学习的图像编码解决方案和质量度量的性能评估”报告可在此处下载

34r.jpg

支付宝转账赞助

支付宝扫一扫赞助

微信转账赞助

微信扫一扫赞助

留言与评论(共有 0 条评论)
   
验证码: