論文の概要: Comprehensive evaluation of no-reference image quality assessment
algorithms on KADID-10k database
- arxiv url: http://arxiv.org/abs/2010.09414v2
- Date: Mon, 9 Nov 2020 10:07:54 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-05 23:02:17.877138
- Title: Comprehensive evaluation of no-reference image quality assessment
algorithms on KADID-10k database
- Title(参考訳): KADID-10kデータベースを用いた非参照画像品質評価アルゴリズムの総合評価
- Authors: Domonkos Varga
- Abstract要約: 目的画像品質評価アルゴリズムの評価は, 公開されているベンチマークデータベースを用いて行った実験に基づいている。
平均PLCC, SROCC, KROCCを100回以上の無作為列車試験分割で測定した。
この結果は, 最先端の非参照画像品質評価手法の現状について, 明確な理解を得る上で有用である。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The main goal of objective image quality assessment is to devise
computational, mathematical models which are able to predict perceptual image
quality consistently with subjective evaluations. The evaluation of objective
image quality assessment algorithms is based on experiments conducted on
publicly available benchmark databases. In this study, our goal is to give a
comprehensive evaluation about no-reference image quality assessment
algorithms, whose original source codes are available online, using the
recently published KADID-10k database which is one of the largest available
benchmark databases. Specifically, average PLCC, SROCC, and KROCC are reported
which were measured over 100 random train-test splits. Furthermore, the
database was divided into a train (appx. 80\% of images) and a test set (appx.
20% of images) with respect to the reference images. So no semantic content
overlap was between these two sets. Our evaluation results may be helpful to
obtain a clear understanding about the status of state-of-the-art no-reference
image quality assessment methods.
- Abstract(参考訳): 目的画像品質評価の主な目的は、主観評価と一貫して知覚画像品質を予測できる計算的数学的モデルを考案することである。
客観的画像品質評価アルゴリズムの評価は、公開ベンチマークデータベース上で実施した実験に基づいている。
本研究の目的は、最近公開されたベンチマークデータベースであるKADID-10kデータベースを用いて、元のソースコードをオンラインで利用できるノン参照画像品質評価アルゴリズムを網羅的に評価することである。
具体的には平均PLCC, SROCC, KROCCを100回以上の無作為列車試験で測定した。
さらに、データベースは列車(アパッチ)に分割された。
画像の80\%)および基準画像に関するテストセット(画像の20%)。
したがって、この2つのセットの間に意味的な内容は重複しなかった。
評価結果は,最先端のno-reference画像品質評価手法の理解を深める上で有用であると考えられる。
関連論文リスト
- Rank-based No-reference Quality Assessment for Face Swapping [88.53827937914038]
顔スワップ法における品質測定の基準は、操作された画像とソース画像の間のいくつかの距離に依存する。
顔スワップ用に設計された新しい非参照画像品質評価法(NR-IQA)を提案する。
論文 参考訳(メタデータ) (2024-06-04T01:36:29Z) - Holistic Evaluation of Text-To-Image Models [153.47415461488097]
我々はテキスト・ツー・イメージ・モデル(HEIM)の全体的評価という新しいベンチマークを導入する。
テキスト・イメージ・アライメント、画像品質、美学、独創性、推論、知識、バイアス、毒性、公正性、堅牢性、多言語性、効率性を含む12の側面を識別する。
以上の結果から,異なるモデルが異なる強みを示すことにより,すべての面において単一のモデルが優れているものはないことが明らかとなった。
論文 参考訳(メタデータ) (2023-11-07T19:00:56Z) - AIGCIQA2023: A Large-scale Image Quality Assessment Database for AI
Generated Images: from the Perspectives of Quality, Authenticity and
Correspondence [42.85549933048976]
100プロンプトを用いて6つの最先端テキスト画像生成モデルに基づいて2000以上の画像を生成する。
これらの画像に基づいて、各画像に対する人間の視覚的嗜好を3つの視点から評価する主観的な実験を行った。
構築したデータベース上で,いくつかの最先端IQAメトリクスの性能を評価するためのベンチマーク実験を行った。
論文 参考訳(メタデータ) (2023-07-01T03:30:31Z) - PIQI: Perceptual Image Quality Index based on Ensemble of Gaussian
Process Regression [2.9412539021452715]
デジタル画像の品質を評価するためにPIQI(Perceptual Image Quality Index)を提案する。
PIQIの性能は6つのベンチマークデータベースでチェックされ、12の最先端の手法と比較される。
論文 参考訳(メタデータ) (2023-05-16T06:44:17Z) - 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) - BIQ2021: A Large-Scale Blind Image Quality Assessment Database [1.3670071336891754]
本稿ではBlind Image Quality Assessment Database, BIQ2021を紹介する。
データセットは、画像品質評価に使用する意図のないもの、意図的に導入した自然な歪みで撮影したもの、オープンソースの画像共有プラットフォームから撮影したもの、の3つのセットで構成されている。
データベースは、主観的スコアリング、人体統計、および各画像の標準偏差に関する情報を含む。
論文 参考訳(メタデータ) (2022-02-08T14:07:38Z) - 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) - Comprehensive evaluation of no-reference image quality assessment
algorithms on authentic distortions [0.0]
非参照画像品質評価は、所定の入力画像の品質を、そのプリスタント(歪みフリー)に関する知識や情報なしで予測する。
本研究では,複数の機械学習に基づくNR-IQA法と,真の歪みを含むデータベース上での1つの評価方法について検討する。
論文 参考訳(メタデータ) (2020-10-26T21:25:46Z) - Object-QA: Towards High Reliable Object Quality Assessment [71.71188284059203]
オブジェクト認識アプリケーションでは、オブジェクトイメージは通常、異なる品質レベルで表示される。
本稿では,オブジェクト画像の信頼性の高い品質スコアを評価するために,Object-QAという効果的手法を提案する。
論文 参考訳(メタデータ) (2020-05-27T01:46:58Z)
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。