2018 ICCP的一篇论文，感觉也是在排列组合，这里简要理解一下。
论文的核心思想是将图像主观质量评价引入进来，作为一种loss帮助图像增强。因此这里增强的loss分为两类，一个是保真项，一个是感知损失，表示如下:
其中第一项是保真项，第二项是基于美学质量评价器的损失，该评价器称为NIMA,第二项表示为：
其中NIMA结构图表示如下:
这里因为GT是十个类别，所以其输出也是十类。它的目标是预测输出的分布，其使用的是基于EMD的loss，其主要惩罚类间错误分类，分类器的输出实际是分到每类的概率值，所以使得这个分布和真实分布接近，loss实际使用的是预测和真实的累计概率分布的差值。测试时输出结果是各个分数值和概率值的加权和，原理很好理解。增强网络使用的是CAN,其他部分见论文。