순서를 자동으로 만들기
주관 품질 자료가 작다는 문제를 줄이기 위해 상대 품질이 알려진 합성 왜곡 집합을 이용한다. 사람이 모든 이미지에 절대 점수를 새로 붙이지 않고 순위 자료를 만들 수 있다. 합성 과정의 순서 정보가 실제 품질 관계를 설명하는 조건이 중요하다.
순위에서 점수로 옮기기
샴 신경망으로 이미지의 품질 순서를 학습한 뒤 지식을 일반적인 CNN에 옮긴다. 이후 미세 조정으로 이미지 한 장에서 절대 품질을 예측한다. 순위 학습 단계와 점수 회귀 단계를 구분해야 한다.
배치 안의 쌍 활용
배치의 이미지들을 하나의 신경망으로 순전파하고 배치 안의 모든 쌍에서 얻은 기울기를 역전파하는 효율화 방법을 다룬다. 같은 이미지가 여러 쌍에 포함될 때 특징 계산을 불필요하게 반복하는 부담을 줄이는 방향이다.
쌍 수의 예
서로 다른 이미지 다섯 장에서 순서를 구분하지 않는 두 장 조합은 5×4/2로 10개다. 이미지 수보다 비교 쌍이 많아질 수 있다. 이는 조합 수의 예이며 실제 배치 크기나 모든 쌍이 유효한 품질 정답을 갖는다는 주장은 아니다.