論文の概要: Multi-task deep CNN model for no-reference image quality assessment on smartphone camera photos

• arxiv url: http://arxiv.org/abs/2008.11961v1
• Date: Thu, 27 Aug 2020 07:33:05 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-24 08:30:47.651939
• Title: Multi-task deep CNN model for no-reference image quality assessment on smartphone camera photos
• Title（参考訳）: スマートフォンカメラ写真における非参照画像品質評価のためのマルチタスクディープCNNモデル
• Authors: Chen-Hsiu Huang, Ja-Ling Wu
• Abstract要約: 本稿では,シーンタイプ検出を補助タスクとするマルチタスクディープCNNモデルを提案する。 畳み込み層におけるモデルパラメータの共有により、学習された特徴マップはよりシーン関連になる可能性がある。 その結果,従来のNR-IQA法や単一タスクCNNモデルと比較してSROCC性能が向上した。
• 参考スコア（独自算出の注目度）: 2.0305676256390934
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Smartphone is the most successful consumer electronic product in today's mobile social network era. The smartphone camera quality and its image post-processing capability is the dominant factor that impacts consumer's buying decision. However, the quality evaluation of photos taken from smartphones remains a labor-intensive work and relies on professional photographers and experts. As an extension of the prior CNN-based NR-IQA approach, we propose a multi-task deep CNN model with scene type detection as an auxiliary task. With the shared model parameters in the convolution layer, the learned feature maps could become more scene-relevant and enhance the performance. The evaluation result shows improved SROCC performance compared to traditional NR-IQA methods and single task CNN-based models.
• Abstract（参考訳）: スマートフォンは、今日のモバイルソーシャルネットワーク時代で最も成功した消費者電子製品だ。 スマートフォンのカメラの品質と画像処理能力は、消費者の購入決定に影響を与える主要な要因です。 しかし、スマートフォンから撮影した写真の品質評価は依然として労働集約的な作業であり、プロの写真家や専門家に依存している。 従来のCNNに基づくNR-IQA手法の拡張として,シーンタイプ検出を補助タスクとするマルチタスクディープCNNモデルを提案する。 畳み込み層におけるモデルパラメータの共有により、学習したフィーチャーマップはより関連度が高くなり、パフォーマンスが向上する。 その結果,従来のNR-IQA法や単一タスクCNNモデルと比較してSROCC性能が向上した。

関連論文リスト

• AIM 2024 Challenge on UHD Blind Photo Quality Assessment [49.54883484094671]
  AIM 2024 UHD-IQA Challengeは、最新の高解像度写真のためのNo-Reference Image Quality Assessment (NR-IQA)タスクの推進を目的としている。 この課題は、最近リリースされたUHD-IQAベンチマークデータベースに基づいており、このデータベースは、6,073 UHD-1 (4K)イメージに、専門家のレーナーによる知覚的品質評価が付加されている。
  論文  参考訳（メタデータ） (2024-09-24T17:44:24Z)
• MobileIQA: Exploiting Mobile-level Diverse Opinion Network For No-Reference Image Quality Assessment Using Knowledge Distillation [26.81879609001189]
  No-Reference Image Quality Assessment (NR-IQA)は、モバイルデバイス上でリアルタイムに画像品質を向上し、ユーザエクスペリエンスを向上させる。 既存のNR-IQA法では、HR画像を小さな解像度にリサイズまたはトリミングすることが多く、重要な詳細が失われる。 画像の詳細を保存しながら画像品質を効率的に評価する,軽量なバックボーンを用いた新しい手法であるMobileIQAを提案する。
  論文  参考訳（メタデータ） (2024-09-02T12:42:50Z)
• Dual-Branch Network for Portrait Image Quality Assessment [76.27716058987251]
  ポートレート画像品質評価のためのデュアルブランチネットワーク(PIQA)を提案する。 我々は2つのバックボーンネットワーク(textiti.e., Swin Transformer-B)を使用して、肖像画全体と顔画像から高品質な特徴を抽出する。 我々は、画像シーンの分類と品質評価モデルであるLIQEを利用して、品質認識とシーン固有の特徴を補助的特徴として捉えている。
  論文  参考訳（メタデータ） (2024-05-14T12:43:43Z)
• Real-Time Under-Display Cameras Image Restoration and HDR on Mobile Devices [81.61356052916855]
  アンダーディスプレイカメラ(UDC)によって撮影された画像は、その前のスクリーンによって劣化する。 画像復元のためのディープラーニング手法は、キャプチャ画像の劣化を著しく低減することができる。 我々は,視覚的UDC画像復元とHDRのための軽量なモデルを提案し,スマートフォン上での様々な手法の性能と実行状況を比較したベンチマークを提供する。
  論文  参考訳（メタデータ） (2022-11-25T11:46:57Z)
• Perceptual Image Enhancement for Smartphone Real-Time Applications [60.45737626529091]
  本稿では,知覚的画像強調のための軽量ネットワークLPIENetを提案する。 我々のモデルは、ノイズアーティファクト、回折アーティファクト、ぼかし、HDR過剰露光を扱うことができる。 我々のモデルは、中級商用スマートフォンで1秒未満で2K解像度画像を処理することができる。
  論文  参考訳（メタデータ） (2022-10-24T19:16:33Z)
• Controllable Image Enhancement [66.18525728881711]
  いくつかのパラメータを制御して、複数のスタイルで高品質な画像を生成できる半自動画像強調アルゴリズムを提案する。 エンコーダ・デコーダフレームワークは、リタッチスキルを潜在コードにエンコードし、イメージ信号処理機能のパラメータにデコードする。
  論文  参考訳（メタデータ） (2022-06-16T23:54:53Z)
• Learned Smartphone ISP on Mobile NPUs with Deep Learning, Mobile AI 2021 Challenge: Report [49.643297263102845]
  この課題は、エンドツーエンドのディープラーニングベースの画像信号処理パイプラインの開発にある。 提案手法は60-100ミリ秒以下のフルHD写真を高忠実度で処理できる。
  論文  参考訳（メタデータ） (2021-05-17T13:20:35Z)
• AWNet: Attentive Wavelet Network for Image ISP [14.58067200317891]
  本稿では,この学習可能な画像ISP問題に対処するために,AWNetと呼ばれるアテンション機構とウェーブレット変換を利用する新しいネットワークを提案する。 提案手法により,RAW情報から好意的な画像の詳細を復元し,より広い受容領域を実現することができる。 実験結果から,定性的,定量的両測定における設計の進歩が示唆された。
  論文  参考訳（メタデータ） (2020-08-20T23:28:41Z)
• No-Reference Image Quality Assessment via Feature Fusion and Multi-Task Learning [29.19484863898778]
  ブラインドまたはノン参照画像品質評価(NR-IQA)は基本的な問題であり、未解決であり、難しい問題である。 マルチタスク学習に基づく簡易かつ効果的な汎用的ノンリフレクション(NR)画像品質評価フレームワークを提案する。 このモデルでは、歪み型と主観的な人間のスコアを用いて画質を推定する。
  論文  参考訳（メタデータ） (2020-06-06T05:04:10Z)

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。