Ограничения применимости дифференцируемых эталонных показателей качества изображений

Измерение субъективного качества изображения играет ключевую роль в разработке приложений для обработки изображений. Цель показателя визуального качества — приблизить результаты субъективной оценки. В связи с этим разрабатывается все больше и больше метрик, но их ограничения рассматриваются в небольшом количестве исследований. В этой статье устраняется этот недостаток: мы показываем, как предварительная обработка изображений перед сжатием может искусственно повысить показатели качества, предоставляемые популярными метриками DISTS, LPIPS, HaarPSI и VIF, а также что эти показатели несовместимы с оценками субъективного качества. Мы предлагаем серию нейросетевых моделей предварительной обработки изображений, которые увеличивают DISTS на 34,5%, LPIPS на 36,8%, VIF на 98,0% и HaarPSI на 22,6% в случае изображений, сжатых в формате JPEG. Субъективное сравнение предобработанных изображений показало, что для большинства рассмотренных нами метрик качество изображений падает или остается неизменным, ограничивая применимость этих показателей качества.