提出SymKL统一表征空间信号退化度量
原文：SymKL: A Unified Representation-Space Measure of Signal Degradation
量化原始信号与其退化观测之间的退化程度是信号处理的基础问题，然而现有的全参考度量本质上都是模态特定的。我们提出SymKL，一种基于隐式神经表示（INR）的统一全参考退化度量。INR对原始参考信号拟合一次，并通过其对角Fisher信息进行表征，该信息捕获了所学表示的局部信息几何。用原始参考和退化观测分别评估Fisher信息，得到两个参数敏感性剖面，其对称KL散度定义了退化分数。所提出的公式仅需要参考信号和退化观测，无需了解损坏过程或退化严重程度，使其适用于图像、音频和3D数据。我们进一步推导了SIREN对角Fisher信息的精确闭式表达式，从而实现高效计算。在图像、语音和体积3D基准上的实验表明，SymKL能准确跟踪退化严重程度，在传统指标饱和或失效的情况下仍保持单调性，并提供了一种统一的模态无关的信号退化度量。代码将在评审过程结束后公开发布。作者：Dhananjaya Jayasundara, Sudarshan Rajagopalan, Vishal M. Patel 类别：cs.CV, cs.AI