基于双路径小波注意力框架的纯图像AI生成图像质量评估方法

《Mathematics》:Dual-Pathway Wavelet-Attention Framework for Image-Only AI-Generated Image Quality Assessment

【字体: 大 中 小 】 时间:2026年06月24日 来源:Mathematics 2.3

编辑推荐:

   摘要

  

摘要

人工智能生成的图像通常存在感知缺陷,这些缺陷与传统无参考图像质量评估中所研究的失真现象不同。本研究探讨无需提示文本、仅通过图像本身来评估AI生成图像质量的方法,质量评分需从图像中的伪影、结构以及语义合理性等视觉特征中推断出来。我们提出了一种基于Swin Transformer V2-Base架构的双路径小波注意力框架。在伪影路径中,采用带有固定Haar小波分解的噪声感知注意力模块来描述与生成过程相关的子带退化特征;而在图像感知路径中,则通过多尺度注意力、全局-局部空间-通道注意力以及金字塔池化技术来分析图像的语义、结构及上下文质量特征。这两种路径通过自适应融合方式结合在一起,同时还包含一个具有辅助全局预测功能的空间加权回归模块。在AGIQA-1K、AGIQA-3K以及AIGCIQA2023数据集上的实验表明,该方法的同类任务性能表现优异,其在AGIQA-3K数据集上的SRCC值为0.8418,在AIGCIQA2023数据集的质量评估维度上的得分则为0.8445。此外,评估还涵盖了各模块的单独效果测试、评分融合方案对比、种子稳定性分析、定性误差分析以及跨数据库迁移测试,这些结果既体现了所提出组件的作用,也揭示了在源数据不相关场景下进行泛化的难度。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号