論文の概要: The Role of Stem Noise in Visual Perception and Image Quality Measurement

• arxiv url: http://arxiv.org/abs/2004.05422v1
• Date: Sat, 11 Apr 2020 15:10:21 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-14 12:58:03.122687
• Title: The Role of Stem Noise in Visual Perception and Image Quality Measurement
• Title（参考訳）: 視覚知覚と画質計測におけるstemノイズの役割
• Authors: Arash Ashtari
• Abstract要約: 本稿では,任意の画像から評価できるステムノイズの1次及び2次統計値について考察する。 特定の種類の画像歪みの下では、ステムノイズ統計は、画像品質の確立された尺度と非常に大きな相関を示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper considers reference free quality assessment of distorted and noisy images. Specifically, it considers the first and second order statistics of stem noise that can be evaluated given any image. In the research field of Image quality Assessment (IQA), the stem noise is defined as the input of an Auto Regressive (AR) process, from which a low-energy and de-correlated version of the image can be recovered. To estimate the AR model parameters and associated stem noise energy, the Yule-walker equations are used such that the accompanying Auto Correlation Function (ACF) coefficients can be treated as model parameters for image reconstruction. To characterize systematic signal dependent and signal independent distortions, the mean and variance of stem noise can be evaluated over the image. Crucially, this paper shows that these statistics have a predictive validity in relation to human ratings of image quality. Furthermore, under certain kinds of image distortion, stem noise statistics show very significant correlations with established measures of image quality.
• Abstract（参考訳）: 本稿では,歪み画像と雑音画像の基準自由品質評価について考察する。 具体的には、任意の画像から評価できるstemノイズの1次および2次統計を考察する。 画像品質評価(IQA)の研究分野において、幹雑音はオートレグレッシブ(AR)プロセスの入力として定義され、そこから低エネルギーで非相関な画像のバージョンを復元することができる。 画像再構成のためのモデルパラメータとして,ARモデルパラメータと関連する幹雑音エネルギーを推定するために,付随する自己相関関数(ACF)係数を扱えるようにYule-walker方程式を用いる。 系統的信号依存および信号独立歪みを特徴付けるため、画像上でのstemノイズの平均およびばらつきを評価することができる。 本論文は,画像品質の人的評価に関して,これらの統計値が予測的妥当性を有することを示す。 さらに,特定の画像歪みの条件下では,画像品質の確立した指標と非常に大きな相関関係を示す。

関連論文リスト

• Deep Learning CT Image Restoration using System Blur and Noise Models [2.2530496464901106]
  本稿では,劣化した画像入力とシステムの曖昧さとノイズを両立させ,モデリングとディープラーニングのアプローチを組み合わせる手法を提案する。 その結果,システムボケと雑音特性を表す補助入力を用いた深層学習モデルの有効性が示された。
  論文  参考訳（メタデータ） (2024-07-20T21:17:35Z)
• Adaptive Feature Selection for No-Reference Image Quality Assessment by Mitigating Semantic Noise Sensitivity [55.399230250413986]
  上流タスクから有害なセマンティックノイズを除去するためのQFM-IQM(Quality-Aware Feature Matching IQA Metric)を提案する。 提案手法は,8つの標準IQAデータセット上での最先端NR-IQA法よりも優れた性能を実現する。
  論文  参考訳（メタデータ） (2023-12-11T06:50:27Z)
• SAR Despeckling using a Denoising Diffusion Probabilistic Model [52.25981472415249]
  スペックルの存在は画像品質を劣化させ、SAR画像理解アプリケーションの性能に悪影響を及ぼす。 本稿では,SAR脱種のための拡散確率モデルであるSAR-DDPMを紹介する。 提案手法は, 最先端の切り離し法と比較して, 定量化と定性化の両面で有意な改善を実現している。
  論文  参考訳（メタデータ） (2022-06-09T14:00:26Z)
• Conformer and Blind Noisy Students for Improved Image Quality Assessment [80.57006406834466]
  知覚品質評価(IQA)のための学習ベースアプローチは、通常、知覚品質を正確に測定するために歪んだ画像と参照画像の両方を必要とする。 本研究では,変換器を用いた全参照IQAモデルの性能について検討する。 また,全教師モデルから盲人学生モデルへの半教師付き知識蒸留に基づくIQAの手法を提案する。
  論文  参考訳（メタデータ） (2022-04-27T10:21:08Z)
• Treatment Learning Causal Transformer for Noisy Image Classification [62.639851972495094]
  本研究では,この2値情報「ノイズの存在」を画像分類タスクに組み込んで予測精度を向上させる。 因果的変動推定から動機付け,雑音画像分類のための頑健な特徴表現を潜在生成モデルを用いて推定するトランスフォーマーに基づくアーキテクチャを提案する。 また、パフォーマンスベンチマークのための幅広いノイズ要素を取り入れた、新しいノイズの多い画像データセットも作成する。
  論文  参考訳（メタデータ） (2022-03-29T13:07:53Z)
• Image Quality Assessment for Magnetic Resonance Imaging [4.05136808278614]
  画像品質評価(IQA)アルゴリズムは、画像品質に対する人間の認識を再現することを目的としている。 我々は、MRIに関連する問題を解決するために訓練されたニューラルネットワークモデルの出力を使用する。 7人の訓練された放射線学者が歪んだ画像を評価し、その判断は35の異なる画像品質指標と相関した。
  論文  参考訳（メタデータ） (2022-03-15T11:52:29Z)
• Non-Reference Quality Monitoring of Digital Images using Gradient Statistics and Feedforward Neural Networks [0.1657441317977376]
  デジタル画像の品質を評価するために,非参照品質指標を提案する。 提案手法は,提案手法よりも高速で,画像系列の品質評価に利用することができる。
  論文  参考訳（メタデータ） (2021-12-27T20:21:55Z)
• Image Quality Assessment using Contrastive Learning [50.265638572116984]
  我々は、補助的な問題を解決するために、対照的な対の目的を用いて深層畳み込みニューラルネットワーク(CNN)を訓練する。 本研究では,最新のNR画像品質モデルと比較して,ContriQUEが競争性能を向上することを示す。 以上の結果から,大きなラベル付き主観的画像品質データセットを必要とせずに,知覚的関連性を持つ強力な品質表現が得られることが示唆された。
  論文  参考訳（メタデータ） (2021-10-25T21:01:00Z)
• Adaptive Multi-View ICA: Estimation of noise levels for optimal inference [65.94843987207445]
  Adaptive MultiView ICA (AVICA) はノイズの多いICAモデルであり、各ビューは共有された独立したソースと付加的なノイズの線形混合である。 AVICAは、その明示的なMMSE推定器により、他のICA法よりも優れたソース推定値が得られる。 実脳磁図(MEG)データでは,分解がサンプリングノイズに対する感度が低く,ノイズ分散推定が生物学的に妥当であることを示す。
  論文  参考訳（メタデータ） (2021-02-22T13:10:12Z)
• Statistical Analysis of Signal-Dependent Noise: Application in Blind Localization of Image Splicing Forgery [20.533239616846874]
  本研究では,信号依存ノイズ(SDN)を局所化タスクのスプライシングに適用する。 最大後方マルコフランダムフィールド(MAP-MRF)フレームワークを構築することで、ノイズの可能性を生かし、スプリケートされた物体の異領域を明らかにする。 実験結果から,本手法は有効であり,比較ローカライゼーション性能が得られた。
  論文  参考訳（メタデータ） (2020-10-30T11:53:53Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。