論文の概要: Comprehensive evaluation of no-reference image quality assessment algorithms on authentic distortions

• arxiv url: http://arxiv.org/abs/2011.07950v1
• Date: Mon, 26 Oct 2020 21:25:46 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-02 19:59:53.944024
• Title: Comprehensive evaluation of no-reference image quality assessment algorithms on authentic distortions
• Title（参考訳）: 真の歪みに対する非参照画像品質評価アルゴリズムの包括的評価
• Authors: Domonkos Varga
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Objective image quality assessment deals with the prediction of digital images' perceptual quality. No-reference image quality assessment predicts the quality of a given input image without any knowledge or information about its pristine (distortion free) counterpart. Machine learning algorithms are heavily used in no-reference image quality assessment because it is very complicated to model the human visual system's quality perception. Moreover, no-reference image quality assessment algorithms are evaluated on publicly available benchmark databases. These databases contain images with their corresponding quality scores. In this study, we evaluate several machine learning based NR-IQA methods and one opinion unaware method on databases consisting of authentic distortions. Specifically, LIVE In the Wild and KonIQ-10k databases were applied to evaluate the state-of-the-art. For machine learning based methods, appx. 80% were used for training and the remaining 20% were used for testing. Furthermore, average PLCC, SROCC, and KROCC values were reported over 100 random train-test splits. The statistics of PLCC, SROCC, and KROCC values were also published using boxplots. 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）: 客観的画像品質評価は、デジタル画像の知覚品質の予測を扱う。 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。 機械学習アルゴリズムは、人間の視覚システムの品質知覚をモデル化するのが非常に複雑であるため、非参照画像品質評価に多用されている。 さらに、公開されているベンチマークデータベース上で、非参照画像品質評価アルゴリズムを評価する。 これらのデータベースは、対応する品質スコアのイメージを含んでいる。 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つの評価方法を評価する。 特に、LIVE In the WildとKonIQ-10kデータベースを適用して最先端の評価を行った。 機械学習ベースのメソッドでは、appx。 80%がトレーニングに使われ、残りの20%がテストに使用された。 さらに, PLCC, SROCC, KROCCの平均値が100以上の無作為列車試験分割を報告した。 PLCC、SROCC、KROCCの値の統計もボックスプロットを用いて公表された。 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

• Less is More: Learning Reference Knowledge Using No-Reference Image Quality Assessment [58.09173822651016]
  No-Reference Image Quality Assessment 設定で参照知識を学習することは可能であると論じる。 非整列参照画像から比較知識を学習するための新しいフレームワークを提案する。 8つの標準NR-IQAデータセットの実験は、最先端のNR-IQA法よりも優れた性能を示した。
  論文  参考訳（メタデータ） (2023-12-01T13:56:01Z)
• 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)
• 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)
• 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)
• CR-FIQA: Face Image Quality Assessment by Learning Sample Relative Classifiability [2.3624125155742055]
  本稿では,学習過程における内部ネットワーク観測を学習する新しい学習パラダイムを提案する。 提案するCR-FIQAは,このパラダイムを用いて,サンプルの顔画像品質を,その相対的分類可能性の予測により推定する。 本研究では, 最先端(SOTA) FIQAアルゴリズムよりもCR-FIQAの方が優れていることを示す。
  論文  参考訳（メタデータ） (2021-12-13T12:18:43Z)
• 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)
• Comprehensive evaluation of no-reference image quality assessment algorithms on KADID-10k database [0.0]
  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。
  論文  参考訳（メタデータ） (2020-10-19T12:23:06Z)

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。