2018年icip的一篇文章，主要提出的问题是现有的数据库（LIVE,CSIQ）中，人为合成的具有单一变形的distortion图片，根据low-level的特征可以与人眼感知达到一个很好的一致性。但是对于更为复杂的distortion，亮度，对比度等全局的统计特性发生了改变，low-level的特征作用就有限了，同时很难找到一张合适的图片作为reference image做有参考的质量评价。针对这个问题提出了MFIQA模型。模型的框架如下图所示：
MFIQA
结构比较简单，从不同的中间层中提取不同level的特征，根据一个编码器resize各层的特征，concat一下最后经过全连接层回归到一个评价指标。损失函数为L2损失，从实验结果来看，在自然图片数据库（LIVE Challenge）效果很好
实验
