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
- Feature Denoising Diffusion Model for Blind Image Quality Assessment [58.5808754919597]
Blind Image Quality Assessment (BIQA) は、基準ベンチマークを使わずに、人間の知覚に合わせて画質を評価することを目的としている。
ディープラーニング BIQA の手法は、一般的に、伝達学習のための高レベルのタスクの特徴の使用に依存する。
本稿では,BIQAにおける特徴認知のための拡散モデルについて検討する。
論文 参考訳(メタデータ) (2024-01-22T13:38:24Z) - 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) - 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) - Semantic-aware Texture-Structure Feature Collaboration for Underwater
Image Enhancement [58.075720488942125]
水中画像の強調は海洋工学や水生ロボット工学において重要な技術として注目されている。
我々は,高レベルな意味認識事前学習モデルと協調して,効率的でコンパクトな拡張ネットワークを開発する。
また,提案手法を水中の有意な物体検出タスクに適用し,高レベルの視覚タスクに適した意味認識能力を明らかにする。
論文 参考訳(メタデータ) (2022-11-19T07:50:34Z) - 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。