論文の概要: Quality Assessment of Low Light Restored Images: A Subjective Study and
an Unsupervised Model
- arxiv url: http://arxiv.org/abs/2202.02277v1
- Date: Fri, 4 Feb 2022 18:06:07 GMT
- ステータス: 処理完了
- システム内更新日: 2022-02-07 15:13:26.655501
- Title: Quality Assessment of Low Light Restored Images: A Subjective Study and
an Unsupervised Model
- Title（参考訳）: 低照度復元画像の品質評価:主観的研究と教師なしモデル
- Authors: Vignesh Kannan, Sameer Malik, Rajiv Soundararajan
- Abstract要約: 本研究は、低照度復元画像の主観的知覚とその教師なしNR QAについて研究する。
まず、様々なLLR手法を用いて復元された低光画像のデータセットを作成し、主観的なQA研究を行い、既存のQA手法の性能をベンチマークする。
次に、復元された低光画像から歪み認識特徴を抽出する自己教師付きコントラスト学習手法を提案する。
- 参考スコア（独自算出の注目度）: 10.119600046984088
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The quality assessment (QA) of restored low light images is an important tool
for benchmarking and improving low light restoration (LLR) algorithms. While
several LLR algorithms exist, the subjective perception of the restored images
has been much less studied. Challenges in capturing aligned low light and
well-lit image pairs and collecting a large number of human opinion scores of
quality for training, warrant the design of unsupervised (or opinion unaware)
no-reference (NR) QA methods. This work studies the subjective perception of
low light restored images and their unsupervised NR QA. Our contributions are
two-fold. We first create a dataset of restored low light images using various
LLR methods, conduct a subjective QA study and benchmark the performance of
existing QA methods. We then present a self-supervised contrastive learning
technique to extract distortion aware features from the restored low light
images. We show that these features can be effectively used to build an opinion
unaware image quality analyzer. Detailed experiments reveal that our
unsupervised NR QA model achieves state-of-the-art performance among all such
quality measures for low light restored images.
- Abstract（参考訳）: 復元された低照度画像の品質評価(QA)は、低照度復元(LLR)アルゴリズムをベンチマークし改善するための重要なツールである。
いくつかのLLRアルゴリズムが存在するが、復元された画像の主観的知覚ははるかに少ない。
低照度と高精細な画像ペアの取得と、トレーニングのための多数の人間の意見スコアの収集の課題は、教師なし(あるいは意見不明)の非参照(NR)QA法の設計を保証することである。
本研究は、低照度復元画像の主観的知覚とその教師なしNR QAについて研究する。
私たちの貢献は2倍です。
まず、様々なLLR手法を用いて復元された低光画像のデータセットを作成し、主観的なQA研究を行い、既存のQA手法の性能をベンチマークする。
次に、復元された低光画像から歪み認識特徴を抽出する自己教師付きコントラスト学習手法を提案する。
これらの機能は,画像品質アナライザを意識しない意見作成に効果的に使用できることを示す。
詳細な実験により,低照度復元画像の品質評価において,教師なしNRQAモデルが最先端の性能を達成することが明らかとなった。
関連論文リスト
- Low-Quality Image Detection by Hierarchical VAE [5.2980803808373516]
本研究では,低画質画像の教師なし検出という新たな課題に対処する。
そこで本研究では,低画質の画像のさまざまな劣化を検知するだけでなく,その視覚的手がかりを提供する手法を提案する。
論文 参考訳（メタデータ） (2024-08-20T14:14:15Z) - 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) - Less is More: Learning Reference Knowledge Using No-Reference Image
Quality Assessment [58.09173822651016]
No-Reference Image Quality Assessment 設定で参照知識を学習することは可能であると論じる。
非整列参照画像から比較知識を学習するための新しいフレームワークを提案する。
8つの標準NR-IQAデータセットの実験は、最先端のNR-IQA法よりも優れた性能を示した。
論文 参考訳（メタデータ） (2023-12-01T13:56:01Z) - 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) - Quality-aware Pre-trained Models for Blind Image Quality Assessment [15.566552014530938]
ブラインド画像品質評価(BIQA)は,画像の知覚品質を自動的に評価することを目的としている。
本稿では,BIQA用にカスタマイズされたプレテキストタスクを用いて,自己教師型学習方式でこの問題を解決することを提案する。
論文 参考訳（メタデータ） (2023-03-01T13:52:40Z) - Exploring Resolution and Degradation Clues as Self-supervised Signal for
Low Quality Object Detection [77.3530907443279]
劣化した低解像度画像中の物体を検出するための,新しい自己教師型フレームワークを提案する。
本手法は, 既存手法と比較して, 異変劣化状況に直面する場合に比べ, 優れた性能を示した。
論文 参考訳（メタデータ） (2022-08-05T09:36:13Z) - Conformer and Blind Noisy Students for Improved Image Quality Assessment [80.57006406834466]
知覚品質評価(IQA)のための学習ベースアプローチは、通常、知覚品質を正確に測定するために歪んだ画像と参照画像の両方を必要とする。
本研究では,変換器を用いた全参照IQAモデルの性能について検討する。
また,全教師モデルから盲人学生モデルへの半教師付き知識蒸留に基づくIQAの手法を提案する。
論文 参考訳（メタデータ） (2022-04-27T10:21:08Z) - Confusing Image Quality Assessment: Towards Better Augmented Reality
Experience [96.29124666702566]
我々はAR技術を仮想シーンと実シーンの重ね合わせとみなし、視覚的混乱を基本的な理論として紹介する。
ConFusing Image Quality Assessment (CFIQA)データベースが構築され、600個の参照画像と300個の歪画像とをペアに混合して生成する。
また、難解な画像品質をよりよく評価するために、CFIQAと呼ばれる客観的な計量も提案されている。
論文 参考訳（メタデータ） (2022-04-11T07:03:06Z) - 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) - No-Reference Image Quality Assessment via Feature Fusion and Multi-Task
Learning [29.19484863898778]
ブラインドまたはノン参照画像品質評価(NR-IQA)は基本的な問題であり、未解決であり、難しい問題である。
マルチタスク学習に基づく簡易かつ効果的な汎用的ノンリフレクション(NR)画像品質評価フレームワークを提案する。
このモデルでは、歪み型と主観的な人間のスコアを用いて画質を推定する。
論文 参考訳（メタデータ） (2020-06-06T05:04:10Z)
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。