0. 관련 배경 지식

• [저품질 사진 필터링] Quality Assessment 방식

---

1. 로직 설명

a. CLIP 기반 프롬프트 임베딩을 통해 sharp, good 두 필드의 점수를 추출하고, 아래 기준을 적용:

• sharp 점수 ≥ 0.4880
• good × 0.25 + sharp × 0.75 ≥ 0.490

b. 이미지 통과 여부는 아래 4가지 중, “both”만 통과

• both: 두 기준 모두 만족
• sharp_only: sharp 기준만 만족
• combined_only: 결합 기준만 만족
• neither: 둘 다 실패

---

2. 기준 설정 이유

a. 두 필드의 상관관계

• sharp과 good 점수는 통계적으로 높은 상관관계를 보임
• 하지만 완전히 동일하지 않고, 보완적인 특성을 가짐
  • sharp: 선명도 중심
  • good: 종합 품질 (색감, 구도 등도 포함)

b. 단일 기준의 한계

• sharp_only → 선명하긴 하지만 전체 품질이 낮은 이미지가 존재
• combined_only → 덜 선명하지만 품질은 좋은 이미지도 존재
• 실제 실험에서 sharp_only, combined_only 케이스가 각각 확인됨

c. 결합 기준의 정당성

• combined = good × 0.25 + sharp × 0.75는 sharp을 중심으로 하되, good이 낮을 경우 penalty를 줌
• 이를 통해 sharp 기준만으로는 걸러내지 못하는 저품질 이미지를 필터링 가능
• 동시에 sharp 클래스는 100% 통과하여 정상 이미지 손실 없음

---

3. 로직 테스트

a. 테스트에 사용한 데이터셋

• Blur Dataset (Kaggle)

  출처: https://www.kaggle.com/datasets/kwentar/blur-dataset

• 구성

  • sharp: 선명한 이미지

  • motion_blurred: 움직임에 의해 흐릿한 이미지

  • defocused_blurred: 초점이 맞지 않아 흐릿한 이미지

    각 클래스당 약 350장으로 균형 있게 구성됨

b. 테스트 결과

클래스	both	combined_only	sharp_only	neither
sharp	100%	0%	0%	0%
defocused_blurred	82.3%	0.3%	2.9%	14.6%
motion_blurred	65.1%	0%	7.7%	27.1%

c. 결과 분석

• False Positive는 없지만, 전체적으로 Recall이 낮은 상황
• 추후 다른 로직을 사용해 보완 필요