यह शोधपत्र डीप न्यूरल नेटवर्क (DNN) के प्रदर्शन पर छवि गुणवत्ता के महत्वपूर्ण प्रभाव पर चर्चा करता है। DNN व्यापक रूप से इमेजिंग स्थितियों में परिवर्तनों के प्रति संवेदनशील माने जाते हैं। जहाँ पारंपरिक छवि गुणवत्ता मूल्यांकन (IQA) गुणवत्ता को मापने और मानवीय अवधारणात्मक निर्णयों के साथ संरेखित करने का प्रयास करता है, वहीं अक्सर ऐसे मेट्रिक्स की आवश्यकता होती है जो इमेजिंग स्थितियों के प्रति संवेदनशील हों और DNN संवेदनशीलता के साथ भी अच्छी तरह संरेखित हों। यह शोधपत्र सबसे पहले यह प्रश्न करता है कि मौजूदा IQA मेट्रिक्स DNN प्रदर्शन के लिए कितने सूचनात्मक हैं। हम सैद्धांतिक और प्रयोगात्मक रूप से प्रदर्शित करते हैं कि मौजूदा IQA मेट्रिक्स छवि वर्गीकरण के लिए DNN प्रदर्शन के कमज़ोर भविष्यवक्ता हैं। एक कारणात्मक ढाँचे का उपयोग करते हुए, हम ऐसे मेट्रिक्स विकसित करते हैं जो DNN प्रदर्शन के साथ मज़बूत सहसंबंध प्रदर्शित करते हैं, जिससे लक्षित दृष्टि कार्यों के लिए बड़े पैमाने के छवि डेटासेट के गुणवत्ता वितरण का प्रभावी अनुमान लगाना संभव हो जाता है।
