主动学习IQA样本选择

标签数据减半

同时衡量失真度与内容代表性，用最少标注样本训练出高泛化盲图像质量评估模型。

Tianshu, Song · 李雷达 · 程德强 · Chen, Pengfei · 吴金建

IEEE Transactions on Circuits and Systems for Video Technology 2023

参数信息

数据集覆盖

5

技术优势

样本需求更少

通过主动学习选择最有代表性的样本，大幅减少训练所需的标注数量。

新场景也适用

在五个IQA数据集上实验，证明模型在新视觉场景下依然保持高精度和泛化能力。

内容也挑

除了失真程度，还通过蒸馏和特征距离挑选内容最具代表性的图像，避免样本同质化。

应用场景

• 图像质量评估：用更少的标注快速适应新的视觉场景，提升质量评估模型的实际部署效率。
• 主动学习：在质量评估标注成本高的情况下，自动挑选最有价值的样本供人工标注。
• 视觉感知：通过内容代表性筛选，间接捕捉人类视觉感知中关注的图像区域。