Fugu-MT 論文翻訳(概要): On the use of human reference data for evaluating automatic image descriptions

論文の概要: On the use of human reference data for evaluating automatic image descriptions

arxiv url: http://arxiv.org/abs/2006.08792v1
Date: Mon, 15 Jun 2020 21:57:27 GMT
ステータス: 処理完了
システム内更新日: 2022-11-21 03:32:32.213580
Title: On the use of human reference data for evaluating automatic image descriptions
Title（参考訳）: 人間の参照データを用いた自動画像記述の評価について
Authors: Emiel van Miltenburg
Abstract要約: 私は、視覚障害者のニーズを考慮に入れたより詳細なガイドラインが必要であると論じています。画像記述システムの評価は参照記述を用いることができるが、代替案も探すべきである。
参考スコア（独自算出の注目度）: 2.8281511593636792
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Automatic image description systems are commonly trained and evaluated using crowdsourced, human-generated image descriptions. The best-performing system is then determined using some measure of similarity to the reference data (BLEU, Meteor, CIDER, etc). Thus, both the quality of the systems as well as the quality of the evaluation depends on the quality of the descriptions. As Section 2 will show, the quality of current image description datasets is insufficient. I argue that there is a need for more detailed guidelines that take into account the needs of visually impaired users, but also the feasibility of generating suitable descriptions. With high-quality data, evaluation of image description systems could use reference descriptions, but we should also look for alternatives.
Abstract（参考訳）: 自動画像記述システムは、クラウドソースによる人為的画像記述を用いて、一般的に訓練され評価される。次に、参照データ(BLEU、Meteor、CIDERなど)と類似性のある指標を用いてベストパフォーマンスシステムを決定する。したがって、システムの品質と評価の質は、記述の品質に依存する。第2節が示すように、現在の画像記述データセットの品質は不十分である。視覚障害者のニーズを考慮に入れつつ、適切な記述を生成する可能性についても、より詳細なガイドラインが必要であると私は主張する。高品質なデータでは、画像記述システムの評価は参照記述を用いることができるが、代替案も探すべきである。

関連論文リスト

A Novel Evaluation Framework for Image2Text Generation [15.10524860121122]
本稿では,画像生成が可能な現代大規模言語モデル(LLM)に根ざした評価フレームワークを提案する。高い類似度スコアは、画像キャプションモデルが正確にテキスト記述を生成することを示唆している。類似度の低いスコアは相違点を示し、モデルの性能の潜在的な欠点を明らかにする。
論文参考訳（メタデータ） (2024-08-03T09:27:57Z)
Image Textualization: An Automatic Framework for Creating Accurate and Detailed Image Descriptions [30.08331098481379]
我々は、画像テクスチャライゼーション(IT)と呼ばれる革新的なフレームワークを提案する。 ITは、既存のマルチモーダル大言語モデル(MLLM)と複数のビジョンエキスパートモデルを活用することで、高品質な画像記述を自動的に生成する。 LLaVA-7Bは、IT処理による記述のトレーニングの恩恵を受け、よりリッチな画像記述を生成する能力の向上を図っている。
論文参考訳（メタデータ） (2024-06-11T17:37:45Z)
InfoMetIC: An Informative Metric for Reference-free Image Caption Evaluation [69.1642316502563]
インフォメーションフリー画像キャプション評価のためのインフォーマティブメトリックを提案する。画像とキャプションが与えられた場合、InfoMetICは不正確な単語や未完成の画像領域をきめ細かいレベルで報告することができる。また,トークンレベルの評価データセットを構築し,詳細な評価におけるInfoMetICの有効性を示す。
論文参考訳（メタデータ） (2023-05-10T09:22:44Z)
Textural-Structural Joint Learning for No-Reference Super-Resolution Image Quality Assessment [59.91741119995321]
我々は、TSNetと呼ばれる品質予測のためのテキスト情報と構造情報を共同で探索するデュアルストリームネットワークを開発した。画像の重要な領域に注意を払っている人間の視覚システム(HVS)を模倣することにより、視覚に敏感な領域をより区別しやすくするための空間的注意機構を開発する。実験の結果,提案したTSNetは現状のIQA法よりも視覚的品質を正確に予測し,人間の視点との整合性を示した。
論文参考訳（メタデータ） (2022-05-27T09:20:06Z)
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)
Transparent Human Evaluation for Image Captioning [70.03979566548823]
画像キャプションモデルのためのルーリックに基づく人間評価プロトコルを開発した。人為的キャプションは機械的キャプションよりも著しく高品質であることを示す。この研究は、画像キャプションのためのより透明な評価プロトコルを促進することを願っている。
論文参考訳（メタデータ） (2021-11-17T07:09:59Z)
Related Work on Image Quality Assessment [0.103341388090561]
画像品質評価(IQA)は画像ベースアプリケーションにおいて重要な役割を果たす。本稿では,最新の画像品質評価アルゴリズムについて概説する。
論文参考訳（メタデータ） (2021-11-11T16:11:27Z)
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)
A survey on IQA [0.0]
本稿では,画像品質評価と映像品質評価の概念と指標について概説する。本報告では, 画像品質評価手法について概説し, 深層学習に基づく非参照画像品質評価手法に着目した。
論文参考訳（メタデータ） (2021-08-29T10:52:27Z)
Learning Conditional Knowledge Distillation for Degraded-Reference Image Quality Assessment [157.1292674649519]
劣化参照IQA(DR-IQA)という実用的な解を提案する。 DR-IQAはIRモデルの入力、劣化したイメージを参照として利用する。私たちの結果は、フル参照設定のパフォーマンスに近いものもあります。
論文参考訳（メタデータ） (2021-08-18T02:35:08Z)
Evaluation of Automated Image Descriptions for Visually Impaired Students [4.770259348808343]
自動画像記述の評価に関する研究について報告する。評価基準を確立するために専門家にインタビューを行い、その後、目撃された非専門家に対する評価票の作成に利用した。本研究は,これらのテンプレートが有用な記述を生成する可能性を秘めていることを示す。
論文参考訳（メタデータ） (2021-06-29T16:40:04Z)

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。