論文の概要: Cuid: A new study of perceived image quality and its subjective assessment

• arxiv url: http://arxiv.org/abs/2009.13304v1
• Date: Mon, 28 Sep 2020 13:14:45 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-13 22:32:40.459172
• Title: Cuid: A new study of perceived image quality and its subjective assessment
• Title（参考訳）: Cuid:知覚的画質と主観的評価に関する新しい研究
• Authors: Lucie L\'ev\^eque (UNIV GUSTAVE EIFFEL), Ji Yang, Xiaohan Yang, Pengfei Guo, Kenneth Dasalla, Leida Li, Yingying Wu, Hantao Liu
• Abstract要約: 本研究では,実験室環境下で主観的評価を収集する画像品質知覚法を提案する。 画像の異なるカテゴリと異なる種類と歪みのレベルの組み合わせによって、品質知覚がどのように影響を受けるかを検討する。
• 参考スコア（独自算出の注目度）: 30.698984450985318
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Research on image quality assessment (IQA) remains limited mainly due to our incomplete knowledge about human visual perception. Existing IQA algorithms have been designed or trained with insufficient subjective data with a small degree of stimulus variability. This has led to challenges for those algorithms to handle complexity and diversity of real-world digital content. Perceptual evidence from human subjects serves as a grounding for the development of advanced IQA algorithms. It is thus critical to acquire reliable subjective data with controlled perception experiments that faithfully reflect human behavioural responses to distortions in visual signals. In this paper, we present a new study of image quality perception where subjective ratings were collected in a controlled lab environment. We investigate how quality perception is affected by a combination of different categories of images and different types and levels of distortions. The database will be made publicly available to facilitate calibration and validation of IQA algorithms.
• Abstract（参考訳）: 画像品質評価(IQA)の研究は、人間の視覚知覚に関する不完全な知識が主な原因である。 既存のIQAアルゴリズムは、少ない刺激変動率の主観的データで設計または訓練されている。 このことが、現実世界のデジタルコンテンツの複雑さと多様性を扱うアルゴリズムの課題につながった。 人間の被験者による知覚的証拠は、高度なIQAアルゴリズムの開発の基礎となる。 したがって、視覚信号の歪みに対する人間の行動応答を忠実に反映する制御された知覚実験を用いて、信頼できる主観的データを得ることが重要である。 本稿では,制御された実験室環境において主観評価が収集される画質知覚に関する新しい研究を行う。 画像の異なるカテゴリと異なるタイプと歪みのレベルの組み合わせによって、品質知覚がどのように影響を受けるかを検討する。 このデータベースはIQAアルゴリズムの校正と検証を容易にするために公開されている。

関連論文リスト

• Helping Visually Impaired People Take Better Quality Pictures [52.03016269364854]
  我々は、視覚障害者が共通の技術的歪みの発生を最小限に抑えるためのツールを開発する。 また、ユーザによる品質問題の緩和を支援する、プロトタイプのフィードバックシステムも作成しています。
  論文  参考訳（メタデータ） (2023-05-14T04:37:53Z)
• Subjective and Objective Quality Assessment for in-the-Wild Computer Graphics Images [57.02760260360728]
  我々は6000のCGI(CGIQA-6k)からなる大規模CGIQAデータベースを構築した。 本稿では, 歪みと美的品質表現を両立させて, 効果的な深層学習に基づくno-reference (NR) IQAモデルを提案する。 実験の結果,提案手法は構築したCGIQA-6kデータベース上で,最先端のNR IQA法よりも優れていた。
  論文  参考訳（メタデータ） (2023-03-14T16:32:24Z)
• Perceptual Attacks of No-Reference Image Quality Models with Human-in-the-Loop [113.75573175709573]
  NR-IQAモデルの知覚的堅牢性を調べるための最初の試みの1つを行う。 我々は,4つの完全参照IQAモデルの下で,知識駆動のNR-IQA法とデータ駆動のNR-IQA法を検証した。 4つのNR-IQAモデルは全て、提案した知覚的攻撃に対して脆弱であることがわかった。
  論文  参考訳（メタデータ） (2022-10-03T13:47:16Z)
• Exploring CLIP for Assessing the Look and Feel of Images [87.97623543523858]
  ゼロショット方式で画像の品質知覚(ルック)と抽象知覚(フィール)の両方を評価するために,コントラスト言語-画像事前学習(CLIP)モデルを導入する。 以上の結果から,CLIPは知覚的評価によく適合する有意義な先行情報を捉えることが示唆された。
  論文  参考訳（メタデータ） (2022-07-25T17:58:16Z)
• 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)
• Confusing Image Quality Assessment: Towards Better Augmented Reality Experience [96.29124666702566]
  我々はAR技術を仮想シーンと実シーンの重ね合わせとみなし、視覚的混乱を基本的な理論として紹介する。 ConFusing Image Quality Assessment (CFIQA)データベースが構築され、600個の参照画像と300個の歪画像とをペアに混合して生成する。 また、難解な画像品質をよりよく評価するために、CFIQAと呼ばれる客観的な計量も提案されている。
  論文  参考訳（メタデータ） (2022-04-11T07:03:06Z)
• Deep Superpixel-based Network for Blind Image Quality Assessment [4.079861933099766]
  ブラインド画像品質評価(BIQA)モデルの目標は、人間の目で画像を評価する過程をシミュレートすることである。 マルチスケールおよびスーパーピクセルセグメンテーションに基づいて画像の画質を評価するために, DSN-IQA という深層適応型スーパーピクセルベースネットワークを提案する。
  論文  参考訳（メタデータ） (2021-10-13T08:26:58Z)
• Estimating MRI Image Quality via Image Reconstruction Uncertainty [4.483523280360846]
  我々は、ノイズの多いデータからクリーンな画像を復元するために、異機種間不確実性モデルを用いてCNNを訓練する。 視覚評価における品質制御は,アルゴリズム処理における品質制御と同一視できない。
  論文  参考訳（メタデータ） (2021-06-21T11:22:17Z)

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。