論文の概要: Subjective Image Quality Assessment with Boosted Triplet Comparisons
- arxiv url: http://arxiv.org/abs/2108.00201v1
- Date: Sat, 31 Jul 2021 10:03:32 GMT
- ステータス: 処理完了
- システム内更新日: 2021-08-05 03:46:44.984979
- Title: Subjective Image Quality Assessment with Boosted Triplet Comparisons
- Title（参考訳）: boosted triplet comparisonsを用いた主観的画質評価
- Authors: Hui Men, Hanhe Lin, Mohsen Jenadeleh, Dietmar Saupe
- Abstract要約: 主観的全参照画像品質評価では、参照画像の知覚的画質と歪みバージョンの違いを評価する。
DCRは、この順序尺度における評価カテゴリーの違いが知覚的に等しくないことから批判されている。
より一般的な三重項比較に埋め込まれたブースティング手法を導入する。
- 参考スコア（独自算出の注目度）: 8.057724826629178
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: In subjective full-reference image quality assessment, differences between
perceptual image qualities of the reference image and its distorted versions
are evaluated, often using degradation category ratings (DCR). However, the DCR
has been criticized since differences between rating categories on this ordinal
scale might not be perceptually equidistant, and observers may have different
understandings of the categories. Pair comparisons (PC) of distorted images,
followed by Thurstonian reconstruction of scale values, overcome these
problems. In addition, PC is more sensitive than DCR, and it can provide scale
values in fractional, just noticeable difference (JND) units that express a
precise perceptional interpretation. Still, the comparison of images of nearly
the same quality can be difficult. We introduce boosting techniques embedded in
more general triplet comparisons (TC) that increase the sensitivity even more.
Boosting amplifies the artefacts of distorted images, enlarges their visual
representation by zooming, increases the visibility of the distortions by a
flickering effect, or combines some of the above. Experimental results show the
effectiveness of boosted TC for seven types of distortion. We crowdsourced over
1.7 million responses to triplet questions. A detailed analysis shows that
boosting increases the discriminatory power and allows to reduce the number of
subjective ratings without sacrificing the accuracy of the resulting relative
image quality values. Our technique paves the way to fine-grained image quality
datasets, allowing for more distortion levels, yet with high-quality subjective
annotations. We also provide the details for Thurstonian scale reconstruction
from TC and our annotated dataset, KonFiG-IQA, containing 10 source images,
processed using 7 distortion types at 12 or even 30 levels, uniformly spaced
over a span of 3 JND units.
- Abstract（参考訳）: 主観的全参照画像品質評価では、基準画像の知覚的画質と歪みバージョンの違いを、しばしば劣化カテゴリー評価(DCR)を用いて評価する。
しかし、DCRは、この順序尺度の格付けカテゴリーの違いは知覚的に等しくなく、観察者はカテゴリについて異なる理解を持つ可能性があるため、批判されている。
歪んだ画像の対比較(pc)と、スケール値のサーストン的再構成は、これらの問題を克服する。
さらに、PCはDCRよりも敏感であり、正確な知覚解釈を表現する分数的、ただ目立った差分(JND)単位でスケール値を提供することができる。
それでも、ほぼ同じ品質の画像の比較は困難である。
より一般的な三重項比較(TC)に埋め込まれた強化技術を導入し、感度をさらに高める。
ブースティングは歪んだ画像のアーティファクトを増幅し、ズームによる視覚的表現を拡大し、フレッカリング効果によって歪みの可視性を高めたり、あるいは上記を組み合わせる。
実験の結果,7種類の歪みに対する強化TCの有効性が示された。
私たちは3倍の質問に対して170万以上の回答をクラウドソースしました。
詳細な分析により, 画像の相対的品質値の精度を犠牲にすることなく, 識別能力を高め, 主観評価回数を削減できることが示された。
提案手法は,画像品質データセットの微細化を図り,歪みレベルが向上すると同時に,高品質な主観的アノテーションを備える。
また、TCLとアノテーション付きデータセットであるKonFiG-IQAの10のソースイメージを含むThurstonianスケール再構築の詳細を、12または30のレベルで7つの歪みタイプを使用して処理し、3つのJNDユニットに均一に空間化している。
関連論文リスト
- Fine-grained subjective visual quality assessment for high-fidelity compressed images [4.787528476079247]
JPEG標準化プロジェクトであるAICは、高忠実度画像に対する主観的な画質評価手法を開発している。
本稿では,提案手法,高品質な圧縮画像のデータセット,およびそれに対応するクラウドソースによる視覚的品質評価について述べる。
また、単に目立った差分(JND)単位で品質スケールの値を再構築するデータ分析のアプローチも概説している。
論文 参考訳（メタデータ） (2024-10-12T11:37:19Z) - ExIQA: Explainable Image Quality Assessment Using Distortion Attributes [0.3683202928838613]
本稿では属性学習に基づく歪み同定のための説明可能なアプローチを提案する。
効率的なトレーニングのために,10万の画像からなるデータセットを生成する。
提案手法はPLCCとSRCCの両方で複数のデータセットにまたがるSOTA(State-of-the-art)性能を実現する。
論文 参考訳（メタデータ） (2024-09-10T20:28:14Z) - ARNIQA: Learning Distortion Manifold for Image Quality Assessment [28.773037051085318]
No-Reference Image Quality Assessment (NR-IQA) は、高品質な参照画像を必要としない、人間の知覚に合わせて画像品質を測定する手法を開発することを目的としている。
本研究では、画像歪み多様体をモデル化し、本質的な表現を得るための自己教師型アプローチ ARNIQA を提案する。
論文 参考訳（メタデータ） (2023-10-20T17:22:25Z) - Image Deblurring by Exploring In-depth Properties of Transformer [86.7039249037193]
我々は、事前訓練された視覚変換器(ViT)から抽出した深い特徴を活用し、定量的な測定値によって測定された性能を犠牲にすることなく、回復した画像のシャープ化を促進する。
得られた画像と対象画像の変換器特徴を比較することにより、事前学習された変換器は、高解像度のぼやけた意味情報を提供する。
特徴をベクトルとみなし、抽出された画像から抽出された表現とユークリッド空間における対象表現との差を計算する。
論文 参考訳（メタデータ） (2023-03-24T14:14:25Z) - Image Quality Assessment: Learning to Rank Image Distortion Level [0.0]
選択した歪みに対して、2つの登録画像の画質を比較することを学ぶ。
本手法は、画像歪みをシミュレーションし、その相対的な画質を評価することにより、絶対値を評価するよりも容易であるという事実を生かしている。
論文 参考訳（メタデータ） (2022-08-04T18:33:33Z) - Treatment Learning Causal Transformer for Noisy Image Classification [62.639851972495094]
本研究では,この2値情報「ノイズの存在」を画像分類タスクに組み込んで予測精度を向上させる。
因果的変動推定から動機付け,雑音画像分類のための頑健な特徴表現を潜在生成モデルを用いて推定するトランスフォーマーに基づくアーキテクチャを提案する。
また、パフォーマンスベンチマークのための幅広いノイズ要素を取り入れた、新しいノイズの多い画像データセットも作成する。
論文 参考訳（メタデータ） (2022-03-29T13:07:53Z) - Can No-reference features help in Full-reference image quality
estimation? [20.491565297561912]
完全参照IQAタスクにおけるノン参照機能の利用について検討する。
我々のモデルは、多くの最先端アルゴリズムよりも高いSRCCとKRCCのスコアを達成する。
論文 参考訳（メタデータ） (2022-03-02T03:39:28Z) - 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) - 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) - Dual Contrastive Loss and Attention for GANs [82.713118646294]
この損失により、識別器はより一般化され、識別可能な表現を学習し、生成をインセンティブ化することを示す。
最近の最先端モデルでは使われていないものの、画像生成にはまだ重要なモジュールとして注目が集まっている。
これらの救済策の強みを組み合わせることで、Fr'echet Inception Distance(FID)をいくつかのベンチマークデータセットで少なくとも17.5%改善します。
論文 参考訳（メタデータ） (2021-03-31T01:10:26Z) - A Deep Ordinal Distortion Estimation Approach for Distortion Rectification [62.72089758481803]
より高精度なパラメータを効率良く得る新しい歪み補正手法を提案する。
本研究では, 局所言語関連推定ネットワークを設計し, 順序歪みを学習し, 現実的な歪み分布を近似する。
歪み情報の冗長性を考慮すると,本手法では歪み画像の一部のみを用いて順序方向の歪み推定を行う。
論文 参考訳（メタデータ） (2020-07-21T10:03:42Z)
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。