Generalized portrait quality assessment
Chahine, Nicolas (DXOMARK)
Ferradans, Sira (DXOMARK)
Vázquez i Corral, Javier (Universitat Autònoma de Barcelona. Departament de Ciències de la Computació)
Ponce, Jean (Université PSL. Ecole normale suprerieure. Departement d'informatique de l'Ecole normale suprerieure)

Date:	2025
Description:	7 pàg.
Abstract:	Automated and robust portrait quality assessment (PQA) is of paramount importance in high-impact applications such as smartphone photography. This paper presents FHIQA, a learning-based approach to PQA that introduces a simple but effective quality score rescaling method based on image semantics, to enhance the precision of fine-grained image quality metrics while ensuring robust generalization to various scene settings beyond the training dataset. The proposed approach is validated by extensive experiments on the PIQ23 benchmark and comparisons with the current state of the art. The source code of FHIQA will be made publicly available on the PIQ23 GitHub repository at https://github. com/DXOMARK-Research/PIQ2023.
Grants:	Agencia Estatal de Investigación PID2021-128178OB-I00 Agència de Gestió d'Ajuts Universitaris i de Recerca 2021/SGR-01499
Rights:	Aquest document està subjecte a una llicència d'ús Creative Commons. Es permet la reproducció total o parcial, la distribució, i la comunicació pública de l'obra, sempre que no sigui amb finalitats comercials, i sempre que es reconegui l'autoria de l'obra original. No es permet la creació d'obres derivades.
Language:	Anglès
Document:	Article ; recerca ; Versió acceptada per publicar
Subject:	Blind image quality ; Image quality
Published in:	Pattern Recognition Letters, Vol. 189 (March 2025) , p. 122-128, ISSN 0167-8655

DOI: 10.1016/j.patrec.2025.01.017

Available from: 2027-03-30 Postprint

The record appears in these collections:
Articles > Research articles
Articles > Published articles