訂閱
糾錯(cuò)
加入自媒體
當(dāng)前位置： OFweek 人工智能網(wǎng)   >   操作系統(tǒng)   >  正文

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(lái)對(duì)真實(shí)數(shù)據(jù)分布在特征層面建模。對(duì)于待測(cè)圖片I及其提取的特征x，若它與真實(shí)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(píng)估數(shù)據(jù)集上，GMM－GIQA能取得最好的結(jié)果，遠(yuǎn)遠(yuǎn)超過(guò)傳統(tǒng)的圖像質(zhì)量評(píng)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(rèn)知。

我們的方法還有很多衍生應(yīng)用。其中一個(gè)是模型質(zhì)量評(píng)估。對(duì)于生成模型，我們可以獨(dú)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(lái)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(shí)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(yàn)證了其有效性。

<上一頁(yè)  1  2  3  下一頁(yè)>  
聲明： 本文由入駐維科號(hào)的作者撰寫，觀點(diǎn)僅代表作者本人，不代表OFweek立場(chǎng)。如有侵權(quán)或其他問(wèn)題，請(qǐng)聯(lián)系舉報(bào)。

發(fā)表評(píng)論

共0條評(píng)論，0人參與

請(qǐng)輸入評(píng)論內(nèi)容...

請(qǐng)輸入評(píng)論/評(píng)論長(zhǎng)度6~500個(gè)字

您提交的評(píng)論過(guò)于頻繁，請(qǐng)輸入驗(yàn)證碼繼續(xù)

  • 看不清，點(diǎn)擊換一張  刷新

暫無(wú)評(píng)論

暫無(wú)評(píng)論

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

    粵公網(wǎng)安備 44030502002758號(hào)