典型文献
基于近邻算法的GAN生成图像质量评价
文献摘要：
GAN生成图像质量评价是指对GAN生成的图像进行评价,判断生成图像的失真度是否影响观察者的信息获取和主观感受.目前,GAN生成图像质量评价算法较少且算法运行效率不高.该文提出一种基于近邻算法的生成图像质量评价(Near-Neighbor based Generated Image Quality Assessment,NN-GIQA)算法,实现对GAN生成图像的自动、客观、高效评价.首先,基于ANN算法获取生成图像的近邻构成相似图像候选池,缩小生成图像对比范围;然后,基于K NN算法在相似图像候选池中获取与生成图像最相似的K个真实图像得到生成图像质量分数;最后,评价多个经典GAN模型在多个经典数据集上获取的生成图像的质量.实验结果表明本文方法有效提高了GAN生成图像质量评价的效率和准确性,运行时间仅为其他方法的1/9～1/28,其评价结果和人类主观评价结果的一致性达到80％以上,符合人类视觉感知.
文献关键词：
GAN生成图像质量评价;生成对抗网络;近邻算法
中图分类号：
作者姓名：
石珂;齐苏敏;赵镥瑶;王妍
作者机构：
曲阜师范大学网络空间安全学院,273165,山东省曲阜市
文献出处：
引用格式：
[1]石珂;齐苏敏;赵镥瑶;王妍-.基于近邻算法的GAN生成图像质量评价)[J].曲阜师范大学学报（自然科学版）,2022(01):66-74
A类：
GIQA
B类：
近邻算法,GAN,成图,图像质量评价,失真度,影响观察,观察者,信息获取,主观感受,效率不高,Near,Neighbor,Generated,Image,Quality,Assessment,高效评价,ANN,小生,运行时间,其他方法,主观评价,人类视觉,视觉感知,生成对抗网络
AB值：
0.276516
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
