Disentanglement Causale per la Valutazione della Qualità dell'Immagine con Riferimento Completo

Uno studio recente pubblicato su arXiv (2604.21654) presenta un nuovo framework per la valutazione della qualità dell'immagine con riferimento completo (FR-IQA) che utilizza l'inferenza causale e l'apprendimento di rappresentazioni disaccoppiate, allontanandosi dalle tecniche convenzionali di confronto delle caratteristiche profonde. Questo metodo concettualizza la stima del degrado come un processo di disentanglement causale, guidato da interventi sulle rappresentazioni latenti. Inizialmente, separa il degrado dalle rappresentazioni del contenuto sfruttando l'invarianza del contenuto tra l'immagine di riferimento e quella distorta. Inoltre, traendo ispirazione dal mascheramento visivo umano, un modulo di mascheramento cattura i legami causali tra il contenuto dell'immagine e le caratteristiche di degrado, consentendo l'estrazione delle caratteristiche di degrado influenzate dal contenuto dalle immagini distorte. Il team di ricerca dietro questo lavoro è accreditato nell'articolo.