知识卡片：基于潜在空间有效秩的图像复杂度与丰富度度量

一句话结论

论文提出一种无需标签、仅需单次前向传播的视觉丰富度度量指标——有效秩（ERank），该指标与人类复杂度判断高度相关（r=0.72），并能指导特定任务的数据筛选：去掉低ERank样本提升超分辨率，去掉高ERank样本提升OCR。

事件概述 / 研究问题

如何在不依赖人工标注的条件下，快速、定量地评估单张图像的视觉复杂度或丰富度？现有方法要么需要标签，要么计算成本高。论文从深度学习特征图的通道协方差矩阵出发，定义有效秩作为每张图像的“激活通道方向数”，试图用一个标量刻画图像的丰富程度。

方法 / 产品要点

• ERank定义：对图像经过冻结的预训练编码器后得到的深度特征图，计算其通道协方差矩阵的有效秩（即奇异值之和与最大奇异值之比，或更严格地，考虑所有奇异值分布的熵）。
• 计算成本：仅需一次前向传播，无需训练或微调，也无需标签。
• 噪声鲁棒性：论文表征了ERank在不同噪声水平下的行为（具体数值待核实）。
• 实验验证：
  • 在IC9600数据集上与人类复杂度标注的相关系数 r=0.72。
  • 与编解码器码率、图像锐度、边缘密度等客观指标呈正相关。
• 数据筛选应用：
  • 超分辨率任务：去掉低ERank（简单）样本，在预训练和微调中均提升性能。
  • OCR任务：去掉高ERank（复杂）样本，在预训练和微调中均提升性能。
  • 分类、分割、去噪任务：数据筛选无帮助。

主要结果 / 产业意义

• 提供了一种廉价、无监督的输入复杂度信号，适用于那些任务难度主要由输入丰富度决定的场景（如超分辨率、OCR）。
• 作为数据筛选标准，可以在不增加标注成本的情况下改善下游模型训练效率。
• 与人类感知高度相关，可能用于图像质量评估或自动数据集构建。

为什么重要

• 填补了“无需标签、单次前向”的图像复杂度度量空白。
• 揭示了一个有趣的反直觉现象：对于不同任务，去除不同复杂度的样本反而有帮助，说明“数据筛选的受益方向因任务而异”。
• 与已有相关卡片无直接重复，属于全新的度量方法及其在数据选择中的应用。

局限与不确定性

• ERank对分类、分割、去噪任务无帮助，说明其适用范围有限。
• 论文未详细说明ERank在噪声下的具体退化曲线，以及不同预训练编码器（如ViT vs CNN）对结果的影响。
• 实验仅在特定数据集（IC9600）上验证了与人类相关性，泛化到其他领域（如自然图像之外）待核实。
• 数据筛选的提升幅度和统计显著性在材料中未给出具体数值。

可用于图书 / PPT / 简报的角度

• 视觉丰富度的“量化革命”：用一个数字衡量图像复杂度的理论基础。
• 数据筛选的“任务依赖”规律：为什么一个指标不能通用于所有视觉任务。
• 无需标注的智能数据清洗：ERank在工业级数据预处理中的潜在应用。

原始材料

• 标题（英文）：ERank in Latent Space as an Image-Complexity and Richness Measure
• 关键词（英文）：ERank, visual richness, image complexity, effective rank, data selection
• 来源：arXiv:2607.19315v1, cs.CV, 2026-07-21
• 链接：https://arxiv.org/abs/2607.19315v1