訂閱
糾錯
加入自媒體

中科大&微軟提出挑圖神器: GIQA,一鍵挑出高質(zhì)量圖像!

非參數(shù)化模型:KNN-GIQA:

此外,我們還可以用K近鄰(KNN)來對真實數(shù)據(jù)分布在特征層面建模。對于待測圖片I及其提取的特征x,若它與真實圖片距離越近,表示其出現(xiàn)的概率高,也就表示其質(zhì)量高。

在我們收集的LGIQA質(zhì)量評估數(shù)據(jù)集上,GMM-GIQA能取得最好的結(jié)果,遠遠超過傳統(tǒng)的圖像質(zhì)量評估的方法。我們也最推薦大家使用GMM-GIQA的方法。我們也展示了圖片顯示我們的方法篩選出的圖片相比傳統(tǒng)的方法更符合人類的認知。

我們的方法還有很多衍生應(yīng)用。其中一個是模型質(zhì)量評估。對于生成模型,我們可以獨立地衡量生成圖片的質(zhì)量和多樣性。一批生成圖片的質(zhì)量的平均值可以用來衡量模型的生成圖片質(zhì)量,我們稱之為Quality Score(QS)。

相似的,我們用一批真實圖片在生成圖片中的質(zhì)量衡量的平均值當(dāng)成模型多樣性的衡量Diversity Score(DS)。

我們用這些方法在unconditional GAN和conditional GAN上有驗證了其有效性。

<上一頁  1  2  3  下一頁>  
聲明: 本文由入駐維科號的作者撰寫,觀點僅代表作者本人,不代表OFweek立場。如有侵權(quán)或其他問題,請聯(lián)系舉報。

發(fā)表評論

0條評論,0人參與

請輸入評論內(nèi)容...

請輸入評論/評論長度6~500個字

您提交的評論過于頻繁,請輸入驗證碼繼續(xù)

暫無評論

暫無評論

人工智能 獵頭職位 更多
掃碼關(guān)注公眾號
OFweek人工智能網(wǎng)
獲取更多精彩內(nèi)容
文章糾錯
x
*文字標(biāo)題:
*糾錯內(nèi)容:
聯(lián)系郵箱:
*驗 證 碼:

粵公網(wǎng)安備 44030502002758號