HDR-VDP-3：一种多指标方法，用于预测高动态范围和常规内容中的图像差异、质量和对比度失真。

​

HDR-VDP-3: A multi-metric for predicting image differences, quality and
contrast distortions in high dynamic range and regular content

解决问题：
本论文旨在提出一种视觉度量方法——HDR-VDP-3，用于评估高动态范围和常规内容中的图像差异、质量和对比度失真。该方法可以完成全参考图像/视频质量评估、预测一对图像之间的视觉差异或预测对比度失真等多个任务。

关键思路：
HDR-VDP-3是一种多指标视觉度量方法，通过测量图像的对比度、亮度、颜色饱和度等多个方面，综合评估图像的视觉质量。相比于之前的版本，HDR-VDP-3在算法上进行了优化，可以更好地适应HDR图像的评估。该方法的新意在于可以同时评估HDR和常规图像的质量和对比度失真，具有更广泛的应用场景。

其他亮点：
本论文的实验采用了多个数据集，并对比了HDR-VDP-3和其他视觉度量方法的评估结果，证明了HDR-VDP-3在不同场景下的优越性。该论文的代码已经公开发布，方便其他研究者使用和改进。此外，该方法可以应用于视频质量评估，未来可以进一步拓展其应用领域。

关于作者：
本论文的主要作者是Rafal K. Mantiuk、Dounia Hammou和Param Hanji。他们分别来自英国布里斯托大学和法国索邦大学。Rafal K. Mantiuk曾经在SIGGRAPH、Eurographics等国际会议上发表过多篇关于计算机图形学、计算机视觉等方向的论文，是该领域的知名专家之一。

相关研究：
近期其他相关的研究包括：

1. “Deep High Dynamic Range Imaging of Dynamic Scenes”，作者：Tianfan Xue，机构：斯坦福大学
2. “HDR image and video quality assessment: A review”，作者：Keigo Hirakawa，机构：东京大学
3. “Subjective and Objective Quality Assessment of High Dynamic Range Images”，作者：Viktoriia Sholokhova，机构：瑞典皇家理工学院

论文摘要：HDR-VDP-3是一种视觉度量标准，可用于多项任务，例如全参考图像/视频质量评估、预测一对图像之间的视觉差异或预测对比度失真等。本文提供了该度量标准的高级概述，将其与相关工作进行了比较，并解释了与2.2版本相比的主要差异，还介绍了该度量标准如何为2023年的HDR视频质量测量大赛做出了适应性调整。

​Read More