ssustung的博客

摘要这篇文章引入了一个新的大规模数据集，该数据集将图像质量问题的评估与两个实际的视觉任务联系在一起：给图像加字幕和视觉问题解答。首先，我们为盲人拍摄的39,181张图像进行识别，以确定每张图像的质量是否足以识别内容，以及从六个选项中观察到的图像质量如何。这些标签是我们做出以下贡献的关键基础：（1）确定图像是否不足以识别内容并因此无法添加字幕；（2）确定图像包含六个质量缺陷中的哪一种；（3）确定视觉问题无法解决是否是因为内容无法识别，或是感兴趣的内容从视场中丢失；（4）通过自动确定图像质量是否不足，从而更有