내용과 품질을 나누어 보기
사진에 무엇이 있는지와 그 사진이 얼마나 열화됐는지는 다른 정보다. Re-IQA는 혼합 전문가 접근으로 두 부호화기를 학습해 높은 수준의 내용 특징과 낮은 수준의 품질 특징을 얻는다. 서로 보완하는 표현을 만드는 것이 목표다.
상보적인 특징
품질 특징은 내용 특징과 같은 정보를 단순 반복하는 대신 품질 판단에 추가로 도움이 되는 방향을 지향한다. 두 종류의 표현을 함께 사용해 실제 환경 이미지의 품질을 평가한다. 두 경로가 있다는 사실만으로 완벽한 의미 분리가 보장되는 것은 아니다.
점수 학습은 별도 단계
표현을 얻은 뒤 선형 회귀 모형으로 정답 품질 점수에 대응시킨다. 비지도라는 말은 표현 학습을 설명하는 것이며 최종 점수 회귀에 쓰는 정답까지 없다는 뜻은 아니다. 합성 왜곡과 실제 왜곡을 가진 자료에서 평가한다.
정보를 더한다는 의미
설명용으로 내용 특징이 물체 종류만 나타내고 품질 특징이 흐림의 정도를 나타낸다면 후자는 전자만으로 알 수 없는 정보를 보탠다. 두 특징이 물체 종류만 중복 표현하면 이 효과는 줄어든다. 실제 특징 차원이나 학습 결과가 아닌 상보성의 예다.
관련 문서
CONTRIQUE / DBCNN / HyperIQA / MUSIQ / MANIQA / UNIQUE 품질 평가