Blind image quality assessment via learnable attention-based pooling

摘要 如今大多數結構爲雙階段結構，測量每個局部質量分數然後再通過全局平均池化，在該文中未採用該結構針對池化階段提出了一個基於顯著性的池化網絡結構。方法的核心是引入了一種可以模擬人類視覺注意力的可學習池化結構，該結構由數據驅動。具體來說，APNet引入了注意力模塊，該模塊允許局部質量和局部權重的聯合學習。當開始生成質量時，其可以自動學習部署視覺權重。除此之外在局部質量和權重之間引入了關聯約束來正則化

>>阅读原文<<