論文の概要: Determining Image similarity with Quasi-Euclidean Metric

• arxiv url: http://arxiv.org/abs/2006.14644v1
• Date: Thu, 25 Jun 2020 18:12:21 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-17 04:15:20.990006
• Title: Determining Image similarity with Quasi-Euclidean Metric
• Title（参考訳）: 準ユークリッド距離による画像類似性の決定
• Authors: Vibhor Singh, Vishesh Devgan, Ishu Anand
• Abstract要約: 擬似ユークリッド計量を画像類似度尺度として評価し,SSIMやユークリッド計量といった既存の標準手法とどのように一致しているかを分析する。 いくつかのケースでは、我々の方法論は顕著な性能を予測しており、我々の実装が類似性を認識するための一歩であることを証明していることも興味深い。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Image similarity is a core concept in Image Analysis due to its extensive application in computer vision, image processing, and pattern recognition. The objective of our study is to evaluate Quasi-Euclidean metric as an image similarity measure and analyze how it fares against the existing standard ways like SSIM and Euclidean metric. In this paper, we analyzed the similarity between two images from our own novice dataset and assessed its performance against the Euclidean distance metric and SSIM. We also present experimental results along with evidence indicating that our proposed implementation when applied to our novice dataset, furnished different results than standard metrics in terms of effectiveness and accuracy. In some cases, our methodology projected remarkable performance and it is also interesting to note that our implementation proves to be a step ahead in recognizing similarity when compared to
• Abstract（参考訳）: 画像類似性(英: Image similarity)は、コンピュータビジョン、画像処理、パターン認識に広く応用されている画像解析の中核的な概念である。 本研究の目的は, 準ユークリッド計量を画像類似度尺度として評価し, SSIM やユークリッド計量といった既存の標準手法とどのように一致しているかを分析することである。 本稿では,我々の初級データセットから得られた2つの画像の類似性を解析し,ユークリッド距離測定とSSIMとの比較を行った。 また,提案手法が初歩的なデータセットに適用された場合,有効性と精度の点で標準値と異なる結果が得られることを示す証拠とともに実験結果を示す。 いくつかのケースでは、我々の方法論は顕著な性能を予測しており、また、我々の実装が類似性を認識するための一歩であることを証明していることも興味深い。

関連論文リスト

• CrossScore: Towards Multi-View Image Evaluation and Scoring [24.853612457257697]
  相互参照画像品質評価法は画像評価景観のギャップを埋める。 本手法は,地上の真理参照を必要とせず,精度の高い画像品質評価を可能にする。
  論文  参考訳（メタデータ） (2024-04-22T17:59:36Z)
• Introspective Deep Metric Learning [91.47907685364036]
  本稿では,不確実性を考慮した画像比較のためのイントロスペクティブな深度学習フレームワークを提案する。 提案するIDMLフレームワークは,不確実性モデリングによるディープメトリック学習の性能を向上させる。
  論文  参考訳（メタデータ） (2023-09-11T16:21:13Z)
• Efficient Discovery and Effective Evaluation of Visual Perceptual Similarity: A Benchmark and Beyond [20.035369732786407]
  110K以上の専門家が注釈付けした画像ペアからなる,最初の大規模な視覚的類似度ベンチマークデータセットを紹介する。 本稿では,任意のデータセットに適用可能な,新規で効率的なラベル付け手法を提案する。
  論文  参考訳（メタデータ） (2023-08-28T17:59:47Z)
• ContraSim -- A Similarity Measure Based on Contrastive Learning [28.949004915740776]
  コントラスト学習に基づく新しい類似度尺度であるContraSimを開発した。 ContraSimは、類似した例と異なる例の両方を用いてパラメータ化された尺度を学習する。 いずれの場合も、ContraSimは以前の類似度測定よりもはるかに精度が高い。
  論文  参考訳（メタデータ） (2023-03-29T19:43:26Z)
• Introspective Deep Metric Learning for Image Retrieval [80.29866561553483]
  良好な類似性モデルは、より堅牢なトレーニングのために曖昧なイメージをよりよく扱うように注意しながら、意味的な相違を考慮すべきである、と我々は主張する。 本稿では,画像の意味的特徴とあいまいさを記述した,意味的埋め込みだけでなく,付随する不確実性埋め込みを用いて画像を表現することを提案する。 提案したIDMLフレームワークは,不確実性モデリングによるディープメトリック学習の性能向上を実現し,広く使用されているCUB-200-2011,Cars196,Stanford Online Productsデータセットの最先端結果を得る。
  論文  参考訳（メタデータ） (2022-05-09T17:51:44Z)
• Attributable Visual Similarity Learning [90.69718495533144]
  本稿では、画像間のより正確で説明可能な類似度測定のための帰属的視覚類似度学習(AVSL)フレームワークを提案する。 人間の意味的類似性認知に動機づけられた2つの画像とグラフとの類似性を表現するために,一般化された類似性学習パラダイムを提案する。 CUB-200-2011、Cars196、Stanford Online Productsデータセットの実験は、既存の深い類似性学習方法よりも大幅に改善されたことを示している。
  論文  参考訳（メタデータ） (2022-03-28T17:35:31Z)
• Deep Relational Metric Learning [84.95793654872399]
  本稿では,画像クラスタリングと検索のためのディープリレーショナルメトリック学習フレームワークを提案する。 我々は、クラス間分布とクラス内分布の両方をモデル化するために、異なる側面から画像を特徴付ける特徴のアンサンブルを学ぶ。 広く使われているCUB-200-2011、Cars196、Stanford Online Productsデータセットの実験は、我々のフレームワークが既存の深層学習方法を改善し、非常に競争力のある結果をもたらすことを示した。
  論文  参考訳（メタデータ） (2021-08-23T09:31:18Z)
• A Similarity Inference Metric for RGB-Infrared Cross-Modality Person Re-identification [66.49212581685127]
  IRとRGBの相違が大きいため、モダリティの人物再識別(re-ID)は難しい課題である。 既存のメソッドはこの課題に対処するため、典型的には、特徴分布やイメージスタイルをモダリティ間で整列させることで対処する。 本稿では,モダリティ内サンプルの類似性を利用して,モダリティ間の相違を回避する新しい類似度推定指標(SIM)を提案する。
  論文  参考訳（メタデータ） (2020-07-03T05:28:13Z)
• Evaluation Metrics for Conditional Image Generation [100.69766435176557]
  クラス条件画像生成設定において生成モデルを評価するための2つの新しい指標を提案する。 理論的分析は、提案されたメトリクスの背景にあるモチベーションを示し、新しいメトリクスと条件のないメトリクスを結びつける。 我々は,実験的な評価を行い,その指標を条件のない変種や他の指標と比較し,既存の生成モデルの解析に利用した。
  論文  参考訳（メタデータ） (2020-04-26T12:15:16Z)
• Optimization of Structural Similarity in Mathematical Imaging [0.0]
  本稿では,SSIMを忠実度尺度として利用できる広範囲のイメージングアプリケーションを含む汎用フレームワークを提案する。 我々は,このフレームワークを用いて,最適化問題に標準や独自の画像処理タスクを組み込む方法を示す。
  論文  参考訳（メタデータ） (2020-02-07T07:46:31Z)

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。