論文の概要: Evaluation and Comparison of Edge-Preserving Filters
- arxiv url: http://arxiv.org/abs/2012.13778v1
- Date: Sat, 26 Dec 2020 16:35:36 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-25 01:07:13.063152
- Title: Evaluation and Comparison of Edge-Preserving Filters
- Title（参考訳）: エッジ保存フィルタの評価と比較
- Authors: Sarah Gingichashvili and Dani Lischinski
- Abstract要約: 本稿では,エッジ保存フィルタの評価と比較を行う手法を提案する。
本稿では,異なる演算子の比較が可能な共通ベースラインを提案する。
エッジ保存フィルタの客観的比較と評価のためのガイドラインを提案する。
- 参考スコア（独自算出の注目度）: 16.985335587109297
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Edge-preserving filters play an essential role in some of the most basic
tasks of computational photography, such as abstraction, tonemapping, detail
enhancement and texture removal, to name a few. The abundance and diversity of
smoothing operators, accompanied by a lack of methodology to evaluate output
quality and/or perform an unbiased comparison between them, could lead to
misunderstanding and potential misuse of such methods. This paper introduces a
systematic methodology for evaluating and comparing such operators and
demonstrates it on a diverse set of published edge-preserving filters.
Additionally, we present a common baseline along which a comparison of
different operators can be achieved and use it to determine equivalent
parameter mappings between methods. Finally, we suggest some guidelines for
objective comparison and evaluation of edge-preserving filters.
- Abstract（参考訳）: エッジ保存フィルタは、抽象化、トーンマップ、細部の拡張、テクスチャの除去など、計算写真の最も基本的なタスクにおいて重要な役割を果たす。
スムーズな演算子の多様さと多様性は、出力品質を評価したり、それらの間の非バイアス比較を行う方法論の欠如と共に、そのような方法の誤解や潜在的な誤用につながる可能性がある。
本稿では,そのような演算子を評価・比較するための体系的手法を導入し,多種多様なエッジ保存フィルタ上で実証する。
さらに,異なる演算子の比較が可能な共通ベースラインを提案し,それを用いてメソッド間の等価パラメータマッピングを決定する。
最後に,エッジ保存フィルタの客観的比較と評価のためのガイドラインを提案する。
関連論文リスト
- Different Horses for Different Courses: Comparing Bias Mitigation Algorithms in ML [9.579645248339004]
いくつかのアルゴリズムが達成した公正度に有意なばらつきを示し、学習パイプラインが公正度スコアに与える影響を明らかにした。
ほとんどのバイアス軽減技術は同等のパフォーマンスを実現することができると強調する。
私たちの研究は、アルゴリズムの開発ライフサイクルにおける様々な選択が公正性にどのように影響するか、将来の研究を促進することを願っています。
論文 参考訳（メタデータ） (2024-11-17T15:17:08Z) - ScalingFilter: Assessing Data Quality through Inverse Utilization of Scaling Laws [67.59263833387536]
ScalingFilterは、同じデータでトレーニングされた2つの言語モデル間の複雑さの違いに基づいて、テキスト品質を評価する新しいアプローチである。
品質フィルタリングによってもたらされるバイアスを評価するために,意味表現にテキスト埋め込みモデルを利用する指標である意味多様性を導入する。
論文 参考訳（メタデータ） (2024-08-15T17:59:30Z) - End-to-End Evaluation for Low-Latency Simultaneous Speech Translation [55.525125193856084]
本稿では,低遅延音声翻訳の様々な側面を現実的な条件下で実行し,評価するための第1の枠組みを提案する。
これには、オーディオのセグメンテーションと、異なるコンポーネントの実行時間が含まれる。
また、このフレームワークを用いて低遅延音声翻訳の異なるアプローチを比較する。
論文 参考訳（メタデータ） (2023-08-07T09:06:20Z) - Unprocessing Seven Years of Algorithmic Fairness [16.044295043944487]
7年前、研究者は、異なる人口集団にわたるモデルのエラー率を等化するためのポストプロセッシング手法を提案した。
いくつかのデータセットに対する何千ものモデル評価を通じて、これらの主張を実証的に評価する。
論文 参考訳（メタデータ） (2023-06-12T17:44:15Z) - Better Understanding Differences in Attribution Methods via Systematic Evaluations [57.35035463793008]
モデル決定に最も影響を及ぼす画像領域を特定するために、ポストホック属性法が提案されている。
本稿では,これらの手法の忠実度をより確実に評価するための3つの新しい評価手法を提案する。
これらの評価手法を用いて、広範囲のモデルにおいて広く用いられている属性手法の長所と短所について検討する。
論文 参考訳（メタデータ） (2023-03-21T14:24:58Z) - Beyond Supervised vs. Unsupervised: Representative Benchmarking and
Analysis of Image Representation Learning [37.81297650369799]
イメージ表現を学習するための教師なしの手法は、標準ベンチマークで印象的な結果に達した。
実装が大幅に異なる多くのメソッドは、一般的なベンチマークでほぼ同じように見える結果をもたらす。
本稿では, 線形評価, 近隣分類, クラスタリングなど, 性能ベースのベンチマークを用いた手法の比較を行った。
論文 参考訳（メタデータ） (2022-06-16T17:51:19Z) - Towards Better Understanding Attribution Methods [77.1487219861185]
モデル決定に最も影響を及ぼす画像領域を特定するために、ポストホック属性法が提案されている。
本稿では,これらの手法の忠実度をより確実に評価するための3つの新しい評価手法を提案する。
また,いくつかの属性法の性能を著しく向上する処理後平滑化ステップを提案する。
論文 参考訳（メタデータ） (2022-05-20T20:50:17Z) - Adaptive Sampling for Heterogeneous Rank Aggregation from Noisy Pairwise
Comparisons [85.5955376526419]
ランキングアグリゲーション問題では、各項目を比較する際に、様々な精度レベルが示される。
本稿では,ノイズのあるペアワイズ比較によってアイテムのランクを推定する,除去に基づくアクティブサンプリング戦略を提案する。
提案アルゴリズムは,商品の真のランキングを高い確率で返却できることを示す。
論文 参考訳（メタデータ） (2021-10-08T13:51:55Z) - Unsharp Mask Guided Filtering [53.14430987860308]
本論文の目的は,フィルタ中の構造伝達の重要性を強調した画像フィルタリングである。
アンシャープマスキングにインスパイアされたガイドフィルタの新しい簡易な定式化を提案する。
我々の定式化は低域フィルタに先立ってフィルタを楽しみ、単一の係数を推定することで明示的な構造伝達を可能にする。
論文 参考訳（メタデータ） (2021-06-02T19:15:34Z)
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。