Fugu-MT 論文翻訳(概要): Non-Reference Quality Monitoring of Digital Images using Gradient Statistics and Feedforward Neural Networks

論文の概要: Non-Reference Quality Monitoring of Digital Images using Gradient Statistics and Feedforward Neural Networks

arxiv url: http://arxiv.org/abs/2112.13893v1
Date: Mon, 27 Dec 2021 20:21:55 GMT
ステータス: 処理完了
システム内更新日: 2021-12-31 07:44:54.973995
Title: Non-Reference Quality Monitoring of Digital Images using Gradient Statistics and Feedforward Neural Networks
Title（参考訳）: 勾配統計とフィードフォワードニューラルネットワークを用いたディジタル画像の非参照品質モニタリング
Authors: Nisar Ahmed, Hafiz Muhammad Shahzad Asif, Hassan Khalid
Abstract要約: デジタル画像の品質を評価するために,非参照品質指標を提案する。提案手法は,提案手法よりも高速で,画像系列の品質評価に利用することができる。
参考スコア（独自算出の注目度）: 0.1657441317977376
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Digital images contain a lot of redundancies, therefore, compressions are applied to reduce the image size without the loss of reasonable image quality. The same become more prominent in the case of videos that contains image sequences and higher compression ratios are achieved in low throughput networks. Assessment of the quality of images in such scenarios becomes of particular interest. Subjective evaluation in most of the scenarios becomes infeasible so objective evaluation is preferred. Among the three objective quality measures, full-reference and reduced-reference methods require an original image in some form to calculate the quality score which is not feasible in scenarios such as broadcasting or IP video. Therefore, a non-reference quality metric is proposed to assess the quality of digital images which calculates luminance and multiscale gradient statistics along with mean subtracted contrast normalized products as features to train a Feedforward Neural Network with Scaled Conjugate Gradient. The trained network has provided good regression and R2 measures and further testing on LIVE Image Quality Assessment database release-2 has shown promising results. Pearson, Kendall, and Spearman's correlation are calculated between predicted and actual quality scores and their results are comparable to the state-of-the-art systems. Moreover, the proposed metric is computationally faster than its counterparts and can be used for the quality assessment of image sequences.
Abstract（参考訳）: デジタル画像には多くの冗長性が含まれているため、画像品質を損なうことなく画像サイズを小さくするために圧縮を適用する。画像シーケンスを含むビデオと高い圧縮比が低スループットネットワークで達成される場合には、同様のことがより顕著になる。このようなシナリオにおける画像の品質評価は特に注目される。ほとんどのシナリオにおける主観的評価は実現不可能となり、客観的評価が望ましい。 3つの客観的品質指標のうち、完全参照法と縮小参照法は、放送やipビデオのようなシナリオでは実現不可能な品質スコアを計算するために、何らかの形でオリジナル画像を必要とする。そこで,非参照品質尺度を提案し,輝度と多スケール勾配の統計量を計算するデジタル画像の品質と平均減算コントラスト正規化積を,スケール化共役勾配を用いたフィードフォワードニューラルネットワークの学習機能として評価する。トレーニングされたネットワークは、優れた回帰とR2測定を提供し、LIVE画像品質評価データベースリリース2でのさらなるテストは、有望な結果を示している。ピアソン、ケンドール、スピアマンの相関は予測された品質スコアと実際の品質スコアの間で計算され、その結果は最先端のシステムに匹敵する。さらに,提案手法は,提案手法よりも計算速度が速く,画像シーケンスの品質評価に使用できる。

関連論文リスト

Dual-Representation Interaction Driven Image Quality Assessment with Restoration Assistance [11.983231834400698]
歪み画像の非参照画像品質評価は、画像内容のばらつきと歪みの多様性のために常に難しい問題である。以前のIQAモデルは、主に、品質スコア予測のための品質認識表現を得るために、合成画像の明示的な単一品質特徴を符号化していた。低画質画像の劣化・品質情報を別々にモデル化するDRI法を提案する。
論文参考訳（メタデータ） (2024-11-26T12:48:47Z)
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)
Adaptive Image Quality Assessment via Teaching Large Multimodal Model to Compare [99.57567498494448]
我々はLMMに基づくノン参照IQAモデルであるCompare2Scoreを紹介する。トレーニング中、同じIQAデータセットの画像を比較することで、スケールアップ比較命令を生成する。 9つのIQAデータセットの実験により、Compare2Scoreは、トレーニング中にテキスト定義の比較レベルを効果的にブリッジすることを確認した。
論文参考訳（メタデータ） (2024-05-29T17:26:09Z)
Dual-Branch Network for Portrait Image Quality Assessment [76.27716058987251]
ポートレート画像品質評価のためのデュアルブランチネットワーク(PIQA)を提案する。我々は2つのバックボーンネットワーク(textiti.e., Swin Transformer-B)を使用して、肖像画全体と顔画像から高品質な特徴を抽出する。我々は、画像シーンの分類と品質評価モデルであるLIQEを利用して、品質認識とシーン固有の特徴を補助的特徴として捉えている。
論文参考訳（メタデータ） (2024-05-14T12:43:43Z)
PIQI: Perceptual Image Quality Index based on Ensemble of Gaussian Process Regression [2.9412539021452715]
デジタル画像の品質を評価するためにPIQI(Perceptual Image Quality Index)を提案する。 PIQIの性能は6つのベンチマークデータベースでチェックされ、12の最先端の手法と比較される。
論文参考訳（メタデータ） (2023-05-16T06:44:17Z)
Re-IQA: Unsupervised Learning for Image Quality Assessment in the Wild [38.197794061203055]
教師なし環境で高レベルのコンテンツと低レベルの画像品質特徴を学習するために、2つの異なるエンコーダを訓練するためのMixture of Expertsアプローチを提案する。本稿では,Re-IQAフレームワークから得られた高次・低次画像表現を,線形回帰モデルをトレーニングするために展開する。本手法は,大規模画像品質評価データベース上での最先端性能を実現する。
論文参考訳（メタデータ） (2023-04-02T05:06:51Z)
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)
Towards Unsupervised Deep Image Enhancement with Generative Adversarial Network [92.01145655155374]
監視されていない画像強調生成ネットワーク(UEGAN)を提案する。教師なしの方法で所望の特性を持つ画像の集合から、対応する画像と画像のマッピングを学習する。その結果,提案モデルは画像の美的品質を効果的に向上することがわかった。
論文参考訳（メタデータ） (2020-12-30T03:22:46Z)
Perceptually Optimizing Deep Image Compression [53.705543593594285]
平均二乗誤差(MSE)と$ell_p$ノルムは、ニューラルネットワークの損失の測定で大きく支配されている。本稿では,定量的知覚モデルに対して,画像解析ネットワークを最適化するための異なるプロキシ手法を提案する。
論文参考訳（メタデータ） (2020-07-03T14:33:28Z)

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。