내용마다 다른 열화의 영향
비슷한 흐림이나 잡음이라도 작은 글자가 있는 영상과 넓은 하늘 영상에서 보이는 영향이 다를 수 있다. HyperIQA는 다양한 내용과 실제 왜곡을 다루기 위해 내용에 적응하는 품질 평가를 연구한다.
규칙을 만드는 네트워크
이미지의 의미 정보를 추출한 뒤 하이퍼네트워크가 지각 규칙을 적응적으로 설정하고 품질 예측망이 이를 사용한다. 하나의 고정 점수 공식만 모든 영상에 적용하는 접근과 구별된다. 적응적이라는 말은 입력마다 사람의 평가 정답을 받는다는 뜻은 아니다.
같은 흐림의 예
설명용으로 작은 숫자 한 자가 흐려져 읽히지 않는 경우와 구름의 미세 무늬가 흐려지는 경우는 중요한 내용이 다르다. 왜곡의 수치만으로 지각 영향을 모두 정하기 어렵다는 예이며 원 논문의 그림이나 실험 결과를 옮긴 것은 아니다.
실제 자료에서의 검증
합성 열화에서 학습한 모형이 실제 복합 왜곡에 그대로 맞는지는 별도 문제다. 장면과 왜곡 분포를 나누어 점수 및 사람 평가와의 관계를 확인한다. 점수가 높다고 글자의 정답이나 생성된 세부가 사실과 같다는 뜻은 아니며 입력 설정을 맞춰 비교한다.