亲爱的研友该休息了!由于当前在线用户较少,发布求助请尽量完整地填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!身体可是革命的本钱,早点休息,好梦!

Enhancing CNN-Based Blind Image Quality Assessment via Deep Cross-Layer Pattern Encoding

计算机科学 人工智能 编码(内存) 卷积神经网络 模式识别(心理学) 联营 特征(语言学) 棱锥(几何) 直方图 特征提取 局部二进制模式 图像质量 光学(聚焦) 计算机视觉 图像(数学) 图像检索 利用 特征学习 编码 上下文图像分类 特征向量 卷积码 代表(政治) 深度学习 质量(理念) 图层(电子) 语义学(计算机科学) 判别式 支持向量机 空间分析 二进制数 定向梯度直方图 核(代数) 计算机视觉中的词袋模型
作者
Zihan Zhou,Yong Xu,Yuhui Quan,Yun Liang,Jing Li,Patrick Le Callet
出处
期刊:IEEE Transactions on Multimedia [Institute of Electrical and Electronics Engineers]
卷期号:27: 9712-9722 被引量:3
标识
DOI:10.1109/tmm.2025.3618566
摘要

Evaluating image quality without reference images, known as blind image quality assessment (BIQA), is crucial for image communication. Recently, convolutional neural networks (CNNs) have emerged as a prominent BIQA approach due to their feature learning power. Usually, both high-level semantic information and low-level details significantly impact perceived visual quality. However, most existing CNN-based methods focus on high-level semantic information via aggregating features on top of the last convolutional layer into a global descriptor, neglecting the importance of shallow, low-level cues. To address this limitation, this paper proposes a novel approach that exploits local encoding and histogram-based pyramid pooling on crosslayer features produced by a CNN, achieving a joint local and global analysis. Specifically, we introduce a cross-layer pattern encoding model that characterizes features generated along convolutional layers via a soft histogram of local 3D binary patterns. This leads to a highly informative yet compact descriptor for score regression. By building this module into a ResNet backbone, we present an effective BIQA model demonstrating state-ofthe-art performance in extensive experiments on synthetic and authentic datasets.

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
慕青的应助被科研通管家采纳,获得10
6秒前
情怀的应助被科研通管家采纳,获得10
6秒前
6秒前
今鱼完成签到 ,获得积分10
7秒前
大模型的应助被ee采纳,获得10
10秒前
BecksTse完成签到 ,获得积分10
15秒前
15秒前
18秒前
ee发布了新的文献求助10
22秒前
29秒前
邓润杰发布了新的文献求助20
32秒前
动听的寒蕾完成签到,获得积分10
32秒前
多情柚子完成签到,获得积分10
32秒前
FashionBoy的应助被灵剑山采纳,获得10
45秒前
hamburger完成签到,获得积分10
54秒前
满意的伊完成签到,获得积分10
1分钟前
1分钟前
醉熏的孤云完成签到,获得积分10
1分钟前
ZZWZHENG发布了新的文献求助50
1分钟前
霸气擎宇完成签到,获得积分10
1分钟前
1分钟前
粗心的语芹完成签到,获得积分10
1分钟前
灵剑山发布了新的文献求助10
1分钟前
1分钟前
刻苦的白桃完成签到,获得积分10
1分钟前
激昂的谷冬完成签到,获得积分10
1分钟前
何一凡完成签到 ,获得积分10
1分钟前
1024504036发布了新的文献求助10
2分钟前
2分钟前
null的应助被科研通管家采纳,获得10
2分钟前
1024504036发布了新的文献求助10
2分钟前
2分钟前
1024504036发布了新的文献求助10
2分钟前
魁梧的天佑完成签到,获得积分10
2分钟前
斯文败类的应助被ZZWZHENG采纳,获得10
2分钟前
优雅的树叶完成签到,获得积分10
2分钟前
外向的香岚完成签到,获得积分10
3分钟前
乐观的书竹完成签到,获得积分10
3分钟前
年轻新晴完成签到,获得积分10
3分钟前
3分钟前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
拉伸高分子熔体中缠结行为的模拟和小角中子散射研究 1700
The World Atlas of Wine 9th edition 1000
奈特基础组织学:配套组织病理学(第4版)(Netter's Essential Histology With Correlated Histopathology) 800
John McDowells Bildungstheorie 800
八旗制度の研究 600
plantTFDB 508
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 计算机科学 工程类 有机化学 化学工程 生物化学 物理 复合材料 内科学 催化作用 光电子学 人工智能 细胞生物学 无机化学 物理化学 数学
热门帖子
关注 科研通微信公众号,转发送积分 8173073
求助须知:如何正确求助?哪些是违规求助? 9565519
关于积分的说明 21780424
捐赠科研通 7767139
什么是DOI,文献DOI怎么找? 3431536
关于科研通互助平台的介绍 2555638
邀请新用户注册赠送积分活动 2476675