Évaluation de la qualité d'image synthétique sans référence avec réseau de neurones convolutionnels et saillance d'image locale

Le rendu basé sur l'image de profondeur (DIBR) est largement utilisé dans la télévision 3D, la vidéo à point de vue libre et les applications graphiques 3D interactives. Typiquement, les images synthétiques générées par des systèmes basés sur DIBR intègrent diverses distorsions, en particulier des distorsions géométriques induites par la disocclusion d'objets. Assurer la qualité des images synthétiques est crucial pour maintenir un service adéquat du système. Cependant, les métriques de qualité d'image 2D traditionnelles sont inefficaces pour évaluer les images synthétiques, car elles ne sont pas sensibles à la distorsion géométrique. Dans cet article, nous proposons une nouvelle méthode d'évaluation de la qualité d'image sans référence pour les images synthétiques basée sur des réseaux de neurones convolutionnels, introduisant la saillance d'image locale comme poids de prédiction. En raison de l'absence de données d'entraînement existantes, nous construisons un nouveau jeu de données d'images synthétiques DIBR dans le cadre de notre contribution. Des expériences ont été menées sur le jeu de données d'images DIBR de référence publique IRCCyN/IVC et notre propre jeu de données. Les résultats montrent que notre métrique proposée surpasse les métriques de qualité d'image 2D traditionnelles et les métriques DIBR à la pointe de la technologie.