본 논문은 잠재 확산 모델을 활용한 비참조 이미지 품질 평가(NR-IQA)에 대한 새로운 접근 방식을 제시합니다. 기존의 잠재 확산 모델이 고차원 이미지 데이터 생성 및 다양한 하위 작업에 효과적임에도 불구하고, NR-IQA에서의 지각 일관성에 대한 연구는 미흡했습니다. 본 논문에서는 잠재 확산 모델이 데이터 매니폴드 내에 지각적으로 일관된 국부 영역을 내포적으로 가지고 있다는 가설을 세우고, 이를 활용하여 지각적 특징과 입력 측정값을 이용한 매니폴드 상의 샘플링을 제안합니다. 구체적으로, 사전 훈련된 잠재 확산 모델과 지각적 품질 특징을 이용하여 잡음 제거 U-Net에서 지각적으로 일관된 다중 스케일 및 다중 시간 단계 특징 맵을 얻는 Perceptual Manifold Guidance (PMG) 알고리즘을 제안합니다. 실험 결과, 이러한 하이퍼 특징은 IQA 작업에서 사람의 지각과 높은 상관관계를 보이며, 제안된 방법(LGDM)이 최첨단 성능을 달성함을 보여줍니다. 본 방법은 기존의 사전 훈련된 잠재 확산 모델에 적용 가능하며 통합이 간편합니다.
