EvoIQA - Explaining Image Distortions with Evolved White-Box Logic

1. O Problema

A Avaliação de Qualidade de Imagem (IQA - Image Quality Assessment) tradicional enfrenta um dilema fundamental entre precisão e interpretabilidade:

• Modelos Manuais (Hand-crafted): Métricas como SSIM, PSIM e FSIM são interpretáveis, mas muitas vezes rígidas e incapazes de capturar trade-offs complexos entre diferentes tipos de distorções perceptivas.
• Modelos de "Caixa Preta" (Deep Learning): Arquiteturas de aprendizado profundo (como DB-CNN e MEON) alcançam desempenho de ponta (SOTA), mas operam como caixas pretas opacas. Elas não revelam o raciocínio lógico ou as relações matemáticas explícitas usadas para ponderar distorções estruturais versus cromáticas.

O objetivo do trabalho é preencher essa lacuna criando um modelo de IQA que seja altamente preciso (competindo com redes neurais profundas) e totalmente interpretável (fornecendo fórmulas matemáticas legíveis por humanos).

2. Metodologia Proposta: EvoIQA

O autores propõem o EvoIQA, um framework de Regressão Simbólica impulsionado por Programação Genética (GP). A abordagem não aprende apenas pesos, mas evolui a própria estrutura matemática da equação de qualidade.

Principais Etapas:

1. Decomposição de Recursos de Baixo Nível:

   • O sistema utiliza métricas existentes (VSI, VIF, FSIM, HaarPSI) como base.
   • Em vez de usar os mapas espaciais brutos, o framework extrai mapas perceptuais (ex: congruência de fase, magnitude do gradiente, similaridade cromática).
   • Esses mapas são tratados como distribuições estocásticas e caracterizados por vetores de descritores AGGD (Asymmetric Generalized Gaussian Distribution).
   • Os parâmetros AGGD capturam estatísticas de ordem superior (assimetria, curtose, caudas pesadas) que descrevem a "textura do erro", sendo sensíveis a artefatos localizados (como blocos de JPEG) que métricas globais ignoram.

2. Programação Genética (StackGP):

   • Utiliza-se uma arquitetura Stack-based GP para evoluir fórmulas matemáticas que mapeiam os vetores de características AGGD para uma pontuação de qualidade (MOS - Mean Opinion Score).
   • Restrições de Interpretabilidade: Para garantir que o modelo seja uma "caixa branca", o conjunto de operadores é restrito a operações aritméticas básicas (+, -, *, / protegida). Funções de ativação não lineares complexas (como exp, sin) são proibidas para evitar "código espaguete".

3. Duas Configurações de Modelo:

   • EvoIQA-Full: Utiliza o conjunto completo de terminais para maximizar a precisão.
   • EvoIQA-Subset: Utiliza um subconjunto de recursos selecionados por importância (via Random Forest) para otimizar a eficiência computacional, mantendo a interpretabilidade.

3. Contribuições Principais

• Desenvolvimento de Modelos Simbólicos Explicáveis: Criação de fórmulas matemáticas explícitas que descrevem como a qualidade da imagem é degradada, eliminando a opacidade das redes neurais.
• Desempenho de Ponta (SOTA) com Simplicidade: O modelo evoluido (MEvoIQA-Full) alcança um coeficiente de correlação de ordem de Spearman (SRCC) de 0,8979 no conjunto de dados TID2013.
• Eficiência Computacional: O modelo atinge desempenho comparável ou superior a arquiteturas profundas complexas (como DB-CNN com 47 milhões de parâmetros) utilizando menos de 10 parâmetros únicos e sem necessidade de treinamento massivo em GPUs.
• Análise de Robustez: Demonstração de que o modelo generaliza bem para conjuntos de dados não vistos (KADID-10k, CID:IQ, VDID), superando métricas tradicionais e modelos de ensemble (SVR, Random Forest) em diversos tipos de distorção.

4. Resultados Chave

• Precisão: No TID2013, o EvoIQA-Full superou métricas manuais tradicionais (como HaarPSI e MS-SSIM) e alcançou paridade ou superioridade em relação a modelos de Deep Learning (DB-CNN, MEON).
  • Exemplo: Em distorções de "blocos locais" (Local block-wise distortions), o EvoIQA obteve SRCC de 0,656, superando significativamente o HaarPSI (0,482) e o DB-CNN (0,444).
• Interpretabilidade Física: As fórmulas descobertas têm significado perceptual claro.
  • A equação final do modelo Full integra fatores de integridade cromática, similaridade de gradiente e congruência de fase, ponderados por máscaras de contraste e saliência.
  • O modelo Subset identificou que a heterogeneidade do gradiente (coeficiente de variação) é crucial para penalizar colapsos estruturais locais.
• Estabilidade: Através de 30 execuções independentes, o modelo demonstrou variância negligenciável (±0,006), indicando uma convergência robusta do processo evolutivo, ao contrário da estocasticidade comum no treinamento de redes profundas.

5. Significado e Impacto

O trabalho prova que não é necessário sacrificar a interpretabilidade para obter desempenho de ponta em IQA.

• Transparência: Oferece uma "caixa branca" onde engenheiros e pesquisadores podem entender exatamente por que uma imagem foi classificada como de baixa qualidade (ex: "a distorção foi penalizada devido a uma alta variância na similaridade cromática em regiões de alto gradiente").
• Eficiência: Permite a implantação de modelos de IQA de alta precisão em dispositivos com recursos limitados (edge computing), já que as fórmulas simbólicas são computacionalmente leves.
• Futuro: Abre caminho para a evolução de métricas No-Reference (NR-IQA) totalmente baseadas em estatísticas de cenas naturais (NSS), sem a necessidade de imagens de referência limpas.

Em resumo, o EvoIQA representa uma mudança de paradigma, substituindo a "caixa preta" do aprendizado profundo por lógica simbólica evolutiva que é tanto matematicamente rigorosa quanto biologicamente plausível em sua simulação do Sistema Visual Humano (HVS).