文章学习44“RankIQA: Learning from Rankings for No-reference Image Quality Assessment”
本文是ICCV2017年一篇文章，作者来自西班牙UAB（巴塞罗那自治大学），是IQA里比较经典的方法。本文一个比较中心的思想就是：人类对于图像很难进行一个客观的打分结果，但是对于两个图像质量排序很容易获得。因而本文将质量排序融入质量评估，结合siamese网络进行质量打分。图像质量评价（IQA）可以分成三个做法：FR-IQA（全参考质量评价），比如PSNR，SSIM这种，有label存在，根据图像