在多媒体通信和图像增强、修复、超分等计算机视觉任务中，如何有效评价输出的海量图像质量是一个至关重要的问题。现有评价方法主要包括全参考、部分参考和无参考任务，其中全参考任务假定存在完美的参考图像，并计算待评价图像和参考图像的相似性，以给出待评价图像的质量分数。但是，真实世界任务中，参考图像可能存在不完美，比如它与待评价图像未能几何对齐，使得经典质量评价方法如SSIM难以适用。就此，本报告总结了讲者课题组针对这个问题的若干解决方案，特别是所提出的首个统一的有参考质量评价方法深度结构相似性（DeepSSIM），无需额外训练即可有效应对图像超分、增强、修复、重定向、轻度旋转等若干情况下的质量评价，在多次相关测评中取得当前最优性能。此外，该算法的一个精简版本DSL，可有效融入损失函数，指导相关算法的优化。最后，本期SPP报告将探讨相关研究的发展趋势与未来挑战。欢迎关注本期SPP：6月24日（本周三）19:30—21:00。

赵铁松，福州大学教授，福建省媒体信息智能处理与无线传输重点实验室主任、福州大学人工智能研究院副院长，曾入选国家青年千人计划及福建省百人计划等人才项目。主要研究计算机视觉、触觉及具身应用，曾主持国家自然基金、科技部重点研发计划课题、省重点项目等6项，发表IEEE汇刊或CCF A类会议论文80余篇。入选IET Fellow，担任TIP、TOMM等国际权威期刊AE，IEEE SPL期刊 SAE，ACM MM、IEEE SMC等国际会议AC，第十三届中国计算机学会会员代表。