論文の概要: Consolidated Dataset and Metrics for High-Dynamic-Range Image Quality

• arxiv url: http://arxiv.org/abs/2012.10758v1
• Date: Sat, 19 Dec 2020 18:53:59 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-01 11:08:25.503063
• Title: Consolidated Dataset and Metrics for High-Dynamic-Range Image Quality
• Title（参考訳）: 高ダイナミックレンジ画像品質のための統合データセットとメトリクス
• Authors: Aliaksei Mikhailiuk, Maria Perez-Ortiz, Dingcheng Yue, Wilson Suen, Rafal K. Mantiuk
• Abstract要約: 4,000以上の画像を持つ統一フォトメトリック画像品質データセット(UPIQ)を作成します。 リアライメントされた品質スコアは、すべてのデータセットで同じ統一品質スケールを共有します。 輝度認識画像圧縮におけるデータセットの有用性を示す。
• 参考スコア（独自算出の注目度）: 13.284508050541094
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Increasing popularity of high-dynamic-range (HDR) image and video content brings the need for metrics that could predict the severity of image impairments as seen on displays of different brightness levels and dynamic range. Such metrics should be trained and validated on a sufficiently large subjective image quality dataset to ensure robust performance. As the existing HDR quality datasets are limited in size, we created a Unified Photometric Image Quality dataset (UPIQ) with over 4,000 images by realigning and merging existing HDR and standard-dynamic-range (SDR) datasets. The realigned quality scores share the same unified quality scale across all datasets. Such realignment was achieved by collecting additional cross-dataset quality comparisons and re-scaling data with a psychometric scaling method. Images in the proposed dataset are represented in absolute photometric and colorimetric units, corresponding to light emitted from a display. We use the new dataset to retrain existing HDR metrics and show that the dataset is sufficiently large for training deep architectures. We show the utility of the dataset on brightness aware image compression.
• Abstract（参考訳）: 高ダイナミックレンジ(hdr)画像やビデオコンテンツの人気が高まると、輝度やダイナミックレンジの異なるディスプレイで見られる画像障害の重症度を予測する指標が必要となる。 このようなメトリクスは、十分に大きな主観的画像品質データセット上でトレーニングされ、検証され、堅牢なパフォーマンスを保証する必要がある。 既存のHDR品質データセットのサイズが制限されているため、既存のHDRと標準ダイナミックレンジ(SDR)データセットを統合、マージすることで、4000以上の画像を含む統一された測光画像品質データセット(UPIQ)を作成しました。 リアライメントされた品質スコアは、すべてのデータセットで同じ統一品質スケールを共有します。 このような認識は、追加のデータセットの品質比較を収集し、サイコメトリックスケーリング手法でデータを再スケーリングすることで達成された。 提案したデータセットの画像は、ディスプレイから放射される光に対応する絶対光度および色度単位で表現される。 新しいデータセットを使用して、既存のHDRメトリクスを再トレーニングし、データセットが深層アーキテクチャのトレーニングに十分な大きさであることを示す。 輝度認識画像圧縮におけるデータセットの有用性を示す。

関連論文リスト

• HUE Dataset: High-Resolution Event and Frame Sequences for Low-Light Vision [16.432164340779266]
  低照度条件下での高分解能イベントとフレームシーケンスのコレクションであるHUEデータセットを紹介する。 私たちのデータセットには、屋内、都市景観、トワイライト、夜、運転、制御されたシナリオを含む106のシーケンスが含まれています。 我々は定性評価と定量的評価の両方を用いて、最先端の低照度化と事象に基づく画像再構成手法を評価する。
  論文  参考訳（メタデータ） (2024-10-24T21:15:15Z)
• Rethinking Image Super-Resolution from Training Data Perspectives [54.28824316574355]
  画像超解像(SR)におけるトレーニングデータの効果について検討する。 そこで我々は,自動画像評価パイプラインを提案する。 その結果, (i) 圧縮アーチファクトの少ないデータセット, (ii) 被写体数によって判断される画像内多様性の高いデータセット, (iii) ImageNet や PASS からの大量の画像がSR性能に肯定的な影響を与えることがわかった。
  論文  参考訳（メタデータ） (2024-09-01T16:25:04Z)
• Adapting Pretrained Networks for Image Quality Assessment on High Dynamic Range Displays [0.0]
  従来の画像品質指標(IQMs)は、知覚的に均一なガンマ符号化されたピクセル値のために設計されている。 利用可能なデータセットのほとんどは、標準およびおそらく制御されていない観測条件で収集された標準ダイナミックレンジ(SDR)イメージで構成されている。 一般的なトレーニング済みニューラルネットワークもSDR入力を意図しており、HDRコンテンツへの直接適用を制限している。 本研究では,HDRデータに基づく画像品質評価(IQA)のための深層学習モデル学習のための,より効果的なアプローチについて検討する。
  論文  参考訳（メタデータ） (2024-05-01T17:57:12Z)
• An evaluation of Deep Learning based stereo dense matching dataset shift from aerial images and a large scale stereo dataset [2.048226951354646]
  そこで本研究では,光検出・ランドング(LiDAR)と画像から直接地中不均質マップを生成する手法を提案する。 多様なシーンタイプ、画像解像度、幾何学的構成を持つデータセット間の11の密マッチング手法を評価した。
  論文  参考訳（メタデータ） (2024-02-19T20:33:46Z)
• Perceptual Assessment and Optimization of HDR Image Rendering [25.72195917050074]
  高ダイナミックレンジレンダリングは、自然界の広い輝度範囲を忠実に再現する能力を持つ。 既存の画質モデルは、主に低ダイナミックレンジ(LDR)画像用に設計されており、HDR画像の品質に対する人間の認識とよく一致しない。 本稿では,HDR画像からLDR画像のスタックを分解するために,単純な逆表示モデルを用いるHDR品質指標のファミリを提案する。
  論文  参考訳（メタデータ） (2023-10-19T16:32:18Z)
• Self-Supervised High Dynamic Range Imaging with Multi-Exposure Images in Dynamic Scenes [58.66427721308464]
  Selfは、訓練中にダイナミックなマルチ露光画像のみを必要とする自己教師型再構成手法である。 Selfは最先端の自己管理手法に対して優れた結果を出し、教師付き手法に匹敵するパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2023-10-03T07:10:49Z)
• SMAE: Few-shot Learning for HDR Deghosting with Saturation-Aware Masked Autoencoders [97.64072440883392]
  そこで本研究では,SSHDRと呼ばれる2段階の訓練を通した短距離HDRイメージングを実現するための,新しい半教師付きアプローチを提案する。 以前の方法とは異なり、コンテンツを直接回復し、ゴーストを同時に除去することは、最適に達成することが難しい。 実験により、SSHDRは異なるデータセットの内外における定量的かつ定性的に最先端の手法より優れていることが示された。
  論文  参考訳（メタデータ） (2023-04-14T03:42:51Z)
• MS-PS: A Multi-Scale Network for Photometric Stereo With a New Comprehensive Training Dataset [0.0]
  光度ステレオ(PS)問題は、物体の3次元表面を再構成することである。 そこで我々は,PSのマルチスケールアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2022-11-25T14:01:54Z)
• RTMV: A Ray-Traced Multi-View Synthetic Dataset for Novel View Synthesis [104.53930611219654]
  約2000の複雑なシーンからレンダリングされた300k画像からなる,新しいビュー合成のための大規模合成データセットを提案する。 データセットは、新しいビュー合成のための既存の合成データセットよりも桁違いに大きい。 高品質な3Dメッシュの4つのソースを使用して、私たちのデータセットのシーンは、カメラビュー、照明、形状、材料、テクスチャの難しいバリエーションを示します。
  論文  参考訳（メタデータ） (2022-05-14T13:15:32Z)
• 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)
• Salient Objects in Clutter [130.63976772770368]
  本稿では,既存の正当性オブジェクト検出(SOD)データセットの重大な設計バイアスを特定し,対処する。 この設計バイアスは、既存のデータセットで評価した場合、最先端のSODモデルのパフォーマンスの飽和につながった。 我々は,新しい高品質データセットを提案し,前回のsaliencyベンチマークを更新する。
  論文  参考訳（メタデータ） (2021-05-07T03:49:26Z)

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。