Использование конкурирующих порождающих нейронных сетей в задаче оценки качества изображений без источника

В данной работе рассматриваются способы применения конкурирующих порождающих нейронных сетей (GAN) в задаче оценки качества изображений без источника. Демонстрируется, что значения дискриминатора обученной модели Wasserstein GAN не коррелируют с качеством входного изображения. В работе также изучаются различные вариации моделей, основанных на сравнении входного изображения со сгенерированным с помощью GAN источником. Модели тестируются на двух базах изображений с дефектами разной степени сложности. В результате экспериментов обнаружен высокий уровень корреляции дискриминатора таких моделей с качеством зашумленных изображений. Производится анализ пошагового упрощения алгоритма, предлагается процедура поблокового усреднения с весами от дискриминатора. Рассматриваются перспективы использования генератора обученной модели в качестве метода универсальной коррекции качества изображений, а также производится визуальный анализ генерируемых источников для разных типов дефектов.