性能优于12种现有方法
采用多任务学习与知识引导注意力，以Transformer为骨干，同时进行失真分类与质量预测，显著提升无参考图像质量评估的准确性。
周天薇 · Songbai, Tan · 赵宝全 · 岳广辉
IEEE Transactions on Circuits and Systems for Video Technology 2024
通过引入失真分类辅助任务，提取失真概率与嵌入，指导特征增强，从而提升质量预测精度。
在多个基准数据库上实验表明，性能优于 12 种最先进的 BIQA 方法，与主观评价高度相关。
采用 Transformer 作为骨干网络，能够学习比 CNN 更强、更鲁棒的特征表示。