점수 대신 비교를 모으기
사람의 절대 품질 점수에는 개인차와 실험 조건의 영향이 있을 수 있다. 많은 점수를 모으고 서로 맞추는 작업도 부담이다. 이 연구는 두 이미지의 상대 품질을 나타내는 선호 쌍을 학습 자료로 활용한다.
비교 레이블의 학습
이미지 특징과 선호 레이블 사이의 매핑을 분류 문제로 정의한다. 그룹 라소 기반 다중 커널 학습을 검토하고 지각 품질 점수를 추정하는 전략을 함께 제시한다. 쌍별 선호의 학습과 최종 점수 산출은 같은 표현이 아니다.
새로운 왜곡으로의 확장
새로운 왜곡 종류를 포함하도록 확장하는 방향도 다룬다. 비교 레이블을 모으기 쉽더라도 모든 사용자 판단이 항상 일치한다고 가정해서는 안 된다. 자료의 내용과 왜곡 범위에 따라 학습된 관계의 적용성을 확인해야 한다.
비교만으로 알 수 없는 간격
설명용으로 A가 B보다 좋고 B가 C보다 좋다는 정보가 있어도 A와 B의 차이가 B와 C의 차이와 같다고 정해지지 않는다. 실제 연구의 점수나 자료를 사용한 예가 아니다. 순위 정보와 절대 점수 간격을 구분하기 위한 설명이다.