論文の概要: Utility-Oriented Underwater Image Quality Assessment Based on Transfer Learning

• arxiv url: http://arxiv.org/abs/2205.03574v1
• Date: Sat, 7 May 2022 06:52:36 GMT
• ステータス: 処理完了
• システム内更新日: 2022-05-10 16:47:28.627951
• Title: Utility-Oriented Underwater Image Quality Assessment Based on Transfer Learning
• Title（参考訳）: 転送学習に基づくユーティリティ指向水中画像品質評価
• Authors: Weiling Chen and Rongfu Lin and Honggang Liao and Tiesong Zhao and Ke Gu and Patrick Le Callet
• Abstract要約: 本稿では,オブジェクト認識におけるユーティリティ指向画像品質評価(IQA)を提案する。 水中画像ユーティリティデータベース(UIUD)と学習に基づく水中画像ユーティリティ尺度(Uium)を構築した。 忠実度に基づくIQAのトップダウン設計にインスパイアされた我々は、物体認識の深いモデルを利用して、それらの特徴をUiumに転送する。
• 参考スコア（独自算出の注目度）: 40.18601483937886
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The widespread image applications have greatly promoted the vision-based tasks, in which the Image Quality Assessment (IQA) technique has become an increasingly significant issue. For user enjoyment in multimedia systems, the IQA exploits image fidelity and aesthetics to characterize user experience; while for other tasks such as popular object recognition, there exists a low correlation between utilities and perceptions. In such cases, the fidelity-based and aesthetics-based IQA methods cannot be directly applied. To address this issue, this paper proposes a utility-oriented IQA in object recognition. In particular, we initialize our research in the scenario of underwater fish detection, which is a critical task that has not yet been perfectly addressed. Based on this task, we build an Underwater Image Utility Database (UIUD) and a learning-based Underwater Image Utility Measure (UIUM). Inspired by the top-down design of fidelity-based IQA, we exploit the deep models of object recognition and transfer their features to our UIUM. Experiments validate that the proposed transfer-learning-based UIUM achieves promising performance in the recognition task. We envision our research provides insights to bridge the researches of IQA and computer vision.
• Abstract（参考訳）: 広範にわたる画像応用は、画像品質評価(iqa)技術がますます重要な問題となっているビジョンベースのタスクを大いに推進してきた。 マルチメディアシステムにおけるユーザの楽しみのために、イメージ忠実性と美学を活用してユーザエクスペリエンスを特徴付けるが、一般的なオブジェクト認識のような他のタスクでは、ユーティリティと知覚の間には相関性が低い。 このような場合、忠実度に基づくIQA法や美学に基づくIQA法は直接適用できない。 本稿では,オブジェクト認識におけるユーティリティ指向IQAを提案する。 特に,本研究は,まだ完全に解決されていない重要な課題である水中魚類検出のシナリオを初期化したものである。 本課題に基づき, 水中画像ユーティリティデータベース(UIUD)と, 学習に基づく水中画像ユーティリティ尺度(Uium)を構築した。 忠実度に基づくIQAのトップダウン設計にインスパイアされた我々は、物体認識の深いモデルを利用して、それらの特徴をUiumに転送する。 実験により,提案した移動学習に基づくUiumが,認識タスクにおいて有望な性能を達成することを確認した。 我々は、IQAとコンピュータビジョンの研究を橋渡しするための洞察を提供する。

関連論文リスト

• UniQA: Unified Vision-Language Pre-training for Image Quality and Aesthetic Assessment [23.48816491333345]
  画像品質評価(IQA)と画像審美評価(IAA)は、人間の視覚的品質と美的魅力に対する主観的知覚をシミュレートすることを目的としている。 既存の手法は、異なる学習目的のために、これらのタスクを独立して扱うのが一般的である。 本研究では,2つのタスクの一般的な認識を学習するために,視覚言語による品質と美学の事前学習(UniQA)を提案する。
  論文  参考訳（メタデータ） (2024-06-03T07:40:10Z)
• Descriptive Image Quality Assessment in the Wild [25.503311093471076]
  VLMに基づく画像品質評価(IQA)は、画像品質を言語的に記述し、人間の表現に合わせることを目指している。 野生における画像品質評価(DepictQA-Wild)について紹介する。 本手法は,評価タスクと比較タスク,簡潔かつ詳細な応答,完全参照,非参照シナリオを含む多機能IQAタスクパラダイムを含む。
  論文  参考訳（メタデータ） (2024-05-29T07:49:15Z)
• Large Multi-modality Model Assisted AI-Generated Image Quality Assessment [53.182136445844904]
  本稿では,AI生成画像品質評価モデル(MA-AGIQA)を提案する。 セマンティックインフォームドガイダンスを使用して意味情報を感知し、慎重に設計されたテキストプロンプトを通してセマンティックベクターを抽出する。 最先端のパフォーマンスを実現し、AI生成画像の品質を評価する上で優れた一般化能力を示す。
  論文  参考訳（メタデータ） (2024-04-27T02:40:36Z)
• Multi-Modal Prompt Learning on Blind Image Quality Assessment [65.0676908930946]
  画像品質評価(IQA)モデルは意味情報から大きな恩恵を受け、異なる種類のオブジェクトを明瞭に扱うことができる。 十分な注釈付きデータが不足している従来の手法では、セマンティックな認識を得るために、CLIPイメージテキスト事前学習モデルをバックボーンとして使用していた。 近年のアプローチでは、このミスマッチに即時技術を使って対処する試みがあるが、これらの解決策には欠点がある。 本稿では、IQAのための革新的なマルチモーダルプロンプトベースの手法を提案する。
  論文  参考訳（メタデータ） (2024-04-23T11:45:32Z)
• Blind Multimodal Quality Assessment: A Brief Survey and A Case Study of Low-light Images [73.27643795557778]
  ブラインド画像品質評価(BIQA)は、視覚信号の客観的スコアを自動的に正確に予測することを目的としている。 この分野での最近の発展は、ヒトの主観的評価パターンと矛盾しない一助的解によって支配されている。 主観的評価から客観的スコアへの低照度画像の一意なブラインドマルチモーダル品質評価(BMQA)を提案する。
  論文  参考訳（メタデータ） (2023-03-18T09:04:55Z)
• Exploring CLIP for Assessing the Look and Feel of Images [87.97623543523858]
  ゼロショット方式で画像の品質知覚(ルック)と抽象知覚(フィール)の両方を評価するために,コントラスト言語-画像事前学習(CLIP)モデルを導入する。 以上の結果から,CLIPは知覚的評価によく適合する有意義な先行情報を捉えることが示唆された。
  論文  参考訳（メタデータ） (2022-07-25T17:58:16Z)
• UIF: An Objective Quality Assessment for Underwater Image Enhancement [17.145844358253164]
  水中画像の客観的評価のための水中画像忠実度(UIF)指標を提案する。 これらの画像の統計的特徴を利用して,自然度,鋭度,構造的特徴を抽出する。 実験の結果,提案したUIFは水中および汎用画像品質指標より優れていたことが確認された。
  論文  参考訳（メタデータ） (2022-05-19T08:43:47Z)
• 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)
• Object-QA: Towards High Reliable Object Quality Assessment [71.71188284059203]
  オブジェクト認識アプリケーションでは、オブジェクトイメージは通常、異なる品質レベルで表示される。 本稿では,オブジェクト画像の信頼性の高い品質スコアを評価するために,Object-QAという効果的手法を提案する。
  論文  参考訳（メタデータ） (2020-05-27T01:46:58Z)

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。