感知变形可辨
通过核表示相似性分析捕捉深度网络特征的联合退化效应，无需训练即可结合成对比较，提升图像质量评估的感知一致性。
Liao, Xingran · Wei, Xuekai · 周明亮 · Wong, Hausan · Kwong, Sam
IEEE Transactions on Pattern Analysis and Machine Intelligence 2025
核表示相似性分析通过自相似矩阵的MAE度量联合退化效应，提升模型感知意识，在多个数据集上优于现有方法。
双分支得分的对数求和是训练无关的，无需额外训练或微调即可使用，降低部署成本。
方法可适配多种深度网络架构，不依赖特定骨干，便于集成到不同系统。
质量评估结果可用于指导感知图像增强，即判断哪些变形更有吸引力，为增强算法提供依据。