論文の概要: No-Reference Quality Assessment for 360-degree Images by Analysis of Multi-frequency Information and Local-global Naturalness

• arxiv url: http://arxiv.org/abs/2102.11393v1
• Date: Mon, 22 Feb 2021 22:52:35 GMT
• ステータス: 処理完了
• システム内更新日: 2021-02-24 13:46:28.034011
• Title: No-Reference Quality Assessment for 360-degree Images by Analysis of Multi-frequency Information and Local-global Naturalness
• Title（参考訳）: 多周波情報と局所球状自然度解析による360度画像の非参照品質評価
• Authors: Wei Zhou, Jiahua Xu, Qiuping Jiang, Zhibo Chen
• Abstract要約: 360度・全方位画像(OIs)は、仮想現実(VR)の普及により注目されている。 マルチ周波数情報と局所Global Naturalness(MFILGN)を用いた新しい非参照全方位画像品質評価アルゴリズム(NR OIQA)を提案する。 2つのOIQAデータベースの実験結果は、提案されたMFILGNが最先端のアプローチを上回っていることを示しています。
• 参考スコア（独自算出の注目度）: 26.614657212889398
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: 360-degree/omnidirectional images (OIs) have achieved remarkable attentions due to the increasing applications of virtual reality (VR). Compared to conventional 2D images, OIs can provide more immersive experience to consumers, benefitting from the higher resolution and plentiful field of views (FoVs). Moreover, observing OIs is usually in the head mounted display (HMD) without references. Therefore, an efficient blind quality assessment method, which is specifically designed for 360-degree images, is urgently desired. In this paper, motivated by the characteristics of the human visual system (HVS) and the viewing process of VR visual contents, we propose a novel and effective no-reference omnidirectional image quality assessment (NR OIQA) algorithm by Multi-Frequency Information and Local-Global Naturalness (MFILGN). Specifically, inspired by the frequency-dependent property of visual cortex, we first decompose the projected equirectangular projection (ERP) maps into wavelet subbands. Then, the entropy intensities of low and high frequency subbands are exploited to measure the multi-frequency information of OIs. Besides, except for considering the global naturalness of ERP maps, owing to the browsed FoVs, we extract the natural scene statistics features from each viewport image as the measure of local naturalness. With the proposed multi-frequency information measurement and local-global naturalness measurement, we utilize support vector regression as the final image quality regressor to train the quality evaluation model from visual quality-related features to human ratings. To our knowledge, the proposed model is the first no-reference quality assessment method for 360-degreee images that combines multi-frequency information and image naturalness. Experimental results on two publicly available OIQA databases demonstrate that our proposed MFILGN outperforms state-of-the-art approaches.
• Abstract（参考訳）: 360-degree/omnidirectional images (ois) は仮想現実 (vr) の応用が増加していることで注目を浴びている。 従来の2D画像と比較して、OIは消費者により没入的な体験を提供し、より高い解像度と豊富な視野(FoV)の恩恵を受けることができます。 さらに、OIsの観察は通常、参照なしでヘッドマウントディスプレイ(HMD)に置かれる。 そのため、360度画像用に特別に設計された効率的なブラインド品質評価方法が緊急に望まれる。 本稿では,人間視覚システム(HVS)の特性とVR映像コンテンツの視聴過程を動機として,マルチ周波数情報と局所グローバル自然度(MFILGN)を用いた非参照全方位画像品質評価(NR OIQA)アルゴリズムを提案する。 具体的には、視覚野の周波数依存性特性に触発され、まず投影された等角投影(ERP)マップをウェーブレットサブバンドに分解する。 そして、低周波サブバンドと高周波サブバンドのエントロピー強度を利用して、OIの多周波情報を測定する。 また,ERPマップのグローバルな自然性を考慮した場合を除き,各ビューポート画像から自然景観の統計的特徴を局所自然性尺度として抽出する。 提案する多周波情報計測と局所的グローバル自然度測定により,サポートベクター回帰を最終画質レグレッタとして活用し,視覚品質関連特徴から人間の評価までの品質評価モデルを訓練する。 本研究では, 多周波情報と画像自然度を組み合わせた360度画像の無参照品質評価法を提案する。 2つのOIQAデータベースの実験結果は、提案されたMFILGNが最先端のアプローチを上回っていることを示しています。

関連論文リスト

• Perceptual Depth Quality Assessment of Stereoscopic Omnidirectional Images [10.382801621282228]
  立体視全方位画像の高能率非参照(NR)深度品質評価のための目標品質評価モデルDQIを開発した。 人間の視覚システム(HVS)の知覚特性に触発されたDQIは,多色チャネル,適応型ビューポート選択,眼間不一致の特徴を基盤として構築されている。
  論文  参考訳（メタデータ） (2024-08-19T16:28:05Z)
• Non-Reference Quality Assessment for Medical Imaging: Application to Synthetic Brain MRIs [0.0]
  本研究では,3次元ResNetをトレーニングすることで脳MRI品質を評価するための,ディープラーニングに基づく新しい非参照手法を提案する。 このネットワークは、MRIスキャンでよく見られる6つの異なるアーティファクトで品質を推定するように設計されている。 その結果、歪みを正確に推定し、複数の視点から画質を反映する性能が向上した。
  論文  参考訳（メタデータ） (2024-07-20T22:05:30Z)
• Opinion-Unaware Blind Image Quality Assessment using Multi-Scale Deep Feature Statistics [54.08757792080732]
  我々は,事前学習された視覚モデルからの深い特徴を統計的解析モデルと統合して,意見認識のないBIQA(OU-BIQA)を実現することを提案する。 提案モデルは,最先端のBIQAモデルと比較して,人間の視覚的知覚との整合性に優れる。
  論文  参考訳（メタデータ） (2024-05-29T06:09:34Z)
• Diffusion Model Based Visual Compensation Guidance and Visual Difference Analysis for No-Reference Image Quality Assessment [82.13830107682232]
  本稿では, 複雑な関係をモデル化する能力を示す, 最先端(SOTA)生成モデルを提案する。 生成した拡張画像とノイズを含む画像を利用する新しい拡散復元ネットワークを考案する。 2つの視覚評価枝は、得られた高レベル特徴情報を包括的に解析するように設計されている。
  論文  参考訳（メタデータ） (2024-02-22T09:39:46Z)
• Assessor360: Multi-sequence Network for Blind Omnidirectional Image Quality Assessment [50.82681686110528]
  Blind Omnidirectional Image Quality Assessment (BOIQA)は、全方位画像(ODI)の人間の知覚品質を客観的に評価することを目的としている。 ODIの品質評価は、既存のBOIQAパイプラインがオブザーバのブラウジングプロセスのモデリングを欠いているという事実によって著しく妨げられている。 Assessor360と呼ばれるBOIQAのための新しいマルチシーケンスネットワークを提案する。
  論文  参考訳（メタデータ） (2023-05-18T13:55:28Z)
• ST360IQ: No-Reference Omnidirectional Image Quality Assessment with Spherical Vision Transformers [17.48330099000856]
  ノン参照360画像品質評価法を提案する。 提案手法は,全方位画像の品質と人間の知覚画像品質の相関関係を推定する。
  論文  参考訳（メタデータ） (2023-03-13T07:48:46Z)
• High Dynamic Range Image Quality Assessment Based on Frequency Disparity [78.36555631446448]
  高ダイナミックレンジ(HDR)画像に対する周波数差に基づく画像品質評価(IQA)アルゴリズムを提案する。 提案したLGFMは、最先端HDR IQA法と比較して、主観的知覚との整合性が高い。
  論文  参考訳（メタデータ） (2022-09-06T08:22:13Z)
• Blind Quality Assessment of 3D Dense Point Clouds with Structure Guided Resampling [71.68672977990403]
  本研究では,3次元高密度点雲の知覚的視覚的品質を自動評価するために,Structure Guided Resampling (SGR) を用いた客観的点雲品質指標を提案する。 提案するSGRは,参照情報の不要な汎用ブラインド品質評価手法である。
  論文  参考訳（メタデータ） (2022-08-31T02:42:55Z)
• Perceptual Quality Assessment of Omnidirectional Images as Moving Camera Videos [49.217528156417906]
  ユーザの視聴行動やパノラマの知覚的品質を決定するには,2種類のVR視聴条件が不可欠である。 まず、異なる視聴条件下での異なるユーザの視聴行動を用いて、一方向の画像を複数のビデオ表現に変換する。 次に、高度な2次元フルレファレンスビデオ品質モデルを活用して、知覚された品質を計算する。
  論文  参考訳（メタデータ） (2020-05-21T10:03:40Z)

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。