論文の概要: Degraded Reference Image Quality Assessment
- arxiv url: http://arxiv.org/abs/2110.14899v1
- Date: Thu, 28 Oct 2021 05:50:59 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-29 16:01:50.126476
- Title: Degraded Reference Image Quality Assessment
- Title（参考訳）: 劣化基準画像品質評価
- Authors: Shahrukh Athar, Zhou Wang
- Abstract要約: 劣化参照IQA(DR IQA)と呼ばれる新しいパラダイムの確立に向けた最初の試みの1つを行う。
具体的には、DR IQAのアーキテクチャをレイアウトし、構成の選択を示す6ビットコードを導入する。
DR IQA専用の最初の大規模データベースを構築し,公開する。
- 参考スコア（独自算出の注目度）: 23.871178105179883
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In practical media distribution systems, visual content usually undergoes
multiple stages of quality degradation along the delivery chain, but the
pristine source content is rarely available at most quality monitoring points
along the chain to serve as a reference for quality assessment. As a result,
full-reference (FR) and reduced-reference (RR) image quality assessment (IQA)
methods are generally infeasible. Although no-reference (NR) methods are
readily applicable, their performance is often not reliable. On the other hand,
intermediate references of degraded quality are often available, e.g., at the
input of video transcoders, but how to make the best use of them in proper ways
has not been deeply investigated. Here we make one of the first attempts to
establish a new paradigm named degraded-reference IQA (DR IQA). Specifically,
we lay out the architectures of DR IQA and introduce a 6-bit code to denote the
choices of configurations. We construct the first large-scale databases
dedicated to DR IQA and will make them publicly available. We make novel
observations on distortion behavior in multi-stage distortion pipelines by
comprehensively analyzing five multiple distortion combinations. Based on these
observations, we develop novel DR IQA models and make extensive comparisons
with a series of baseline models derived from top-performing FR and NR models.
The results suggest that DR IQA may offer significant performance improvement
in multiple distortion environments, thereby establishing DR IQA as a valid IQA
paradigm that is worth further exploration.
- Abstract（参考訳）: 現実的なメディア配信システムでは、ビジュアルコンテンツは通常、デリバリーチェーンに沿って品質劣化の複数の段階を経るが、プライスタンスソースコンテンツは、チェーンに沿ったほとんどの品質監視ポイントで利用でき、品質評価の基準となることは滅多にない。
その結果、フル参照(FR)およびリダクション参照(RR)画像品質評価(IQA)手法は一般的に実現不可能である。
no-reference(NR)メソッドは容易に適用できるが、その性能は信頼できないことが多い。
一方,ビデオトランスコーダの入力などでは,劣化品質の中間的参照がしばしば見られるが,適切な方法でそれらを最大限に利用する方法については深く検討されていない。
ここでは、分解参照IQA(DR IQA)という新しいパラダイムを確立するための最初の試みの1つである。
具体的には、DR IQAのアーキテクチャをレイアウトし、構成の選択を示す6ビットコードを導入する。
DR IQA専用の最初の大規模データベースを構築し,公開する。
我々は,5つの多重歪み組合せを包括的に解析することにより,多段歪みパイプラインの歪み挙動を観察する。
これらの結果に基づき,新しいdr iqaモデルを開発し,frおよびnrモデルから得られた一連のベースラインモデルとの比較を行った。
その結果、DR IQAは複数の歪み環境において顕著な性能向上をもたらすことが示唆され、DR IQAはさらなる探索に値する有効なIQAパラダイムとして確立された。
関連論文リスト
- DP-IQA: Utilizing Diffusion Prior for Blind Image Quality Assessment in the Wild [54.139923409101044]
野生のブラインド画像品質評価(IQA)は重大な課題を呈している。
大規模なトレーニングデータの収集が困難であることを考えると、厳密な一般化モデルを開発するために限られたデータを活用することは、未解決の問題である。
事前訓練されたテキスト・ツー・イメージ(T2I)拡散モデルの堅牢な画像認識能力により,新しいIQA法,拡散先行に基づくIQAを提案する。
論文 参考訳（メタデータ） (2024-05-30T12:32:35Z) - Transformer-based No-Reference Image Quality Assessment via Supervised
Contrastive Learning [36.695247860715874]
本稿では,新しいコントラスト学習 (Contrastive Learning, SCL) と NR-IQA モデル SaTQA を提案する。
まず、SCLによる大規模合成データセット上にモデルをトレーニングし、様々な歪みタイプとレベルの画像の劣化特徴を抽出する。
画像から歪み情報を抽出するために,CNNインダクティブバイアスとTransformerの長期依存性モデリング機能を組み合わせることで,マルチストリームブロック(MSB)を組み込んだバックボーンネットワークを提案する。
7つの標準IQAデータセットの実験結果から、SaTQAは合成データセットと認証データセットの両方において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） (2023-12-12T06:01:41Z) - You Only Train Once: A Unified Framework for Both Full-Reference and No-Reference Image Quality Assessment [45.62136459502005]
本稿では,完全な参照 (FR) と非参照 (NR) IQA を行うネットワークを提案する。
まず、入力画像から多レベル特徴を抽出するためにエンコーダを用いる。
FRおよびNR入力のユニバーサルアダプタとして階層的注意(HA)モジュールを提案する。
エンコーダの浅い層と深い層との間の特徴相関を調べるために, セマンティック・ディストーション・アウェア (SDA) モジュールを提案する。
論文 参考訳（メタデータ） (2023-10-14T11:03:04Z) - SQUARE: Automatic Question Answering Evaluation using Multiple Positive
and Negative References [73.67707138779245]
SQuArE (Sentence-level QUestion AnsweRing Evaluation) という新しい評価指標を提案する。
文レベルの抽出(回答選択)と生成(GenQA)の両方のQAシステムでSQuArEを評価する。
論文 参考訳（メタデータ） (2023-09-21T16:51:30Z) - CONVIQT: Contrastive Video Quality Estimator [63.749184706461826]
知覚ビデオ品質評価(VQA)は、多くのストリーミングおよびビデオ共有プラットフォームにおいて不可欠な要素である。
本稿では,視覚的に関連のある映像品質表現を自己指導的に学習する問題について考察する。
本研究は, 自己教師型学習を用いて, 知覚力による説得力のある表現が得られることを示す。
論文 参考訳（メタデータ） (2022-06-29T15:22:01Z) - Learning Transformer Features for Image Quality Assessment [53.51379676690971]
本稿では,CNNバックボーンとトランスフォーマーエンコーダを用いて特徴抽出を行うIQAフレームワークを提案する。
提案するフレームワークはFRモードとNRモードの両方と互換性があり、共同トレーニング方式が可能である。
論文 参考訳（メタデータ） (2021-12-01T13:23:00Z) - A Shift-insensitive Full Reference Image Quality Assessment Model Based
on Quadratic Sum of Gradient Magnitude and LOG signals [7.0736273644584715]
本研究では,GMとLOG信号の2次和を用いたFR-IQAモデルを提案する。
実験の結果,提案モデルは3つの大規模主観的IQAデータベース上で堅牢に動作することがわかった。
論文 参考訳（メタデータ） (2020-12-21T17:41:07Z) - Norm-in-Norm Loss with Faster Convergence and Better Performance for
Image Quality Assessment [20.288424566444224]
画像品質評価(IQA)モデルにおける損失関数の設計における正規化について検討する。
結果として生じるNorm-in-Normの損失は、主観的品質スコアに対する線形予測をIQAモデルに促す。
2つの関連するデータセットの実験では、MAEやMSEの損失と比較して、新しい損失はIQAモデルを約10倍の速度で収束させることが示されている。
論文 参考訳（メタデータ） (2020-08-10T04:01:21Z) - MetaIQA: Deep Meta-learning for No-Reference Image Quality Assessment [73.55944459902041]
本稿では,深層メタラーニングに基づく非参照IQA尺度を提案する。
まず、様々な歪みに対してNR-IQAタスクを収集する。
次にメタラーニングを用いて、多彩な歪みによって共有される事前知識を学習する。
大規模な実験により、提案された計量は最先端の技術を大きなマージンで上回ることを示した。
論文 参考訳（メタデータ） (2020-04-11T23:36:36Z)
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。