論文の概要: Improved Evaluation and Generation of Grid Layouts using Distance
Preservation Quality and Linear Assignment Sorting
- arxiv url: http://arxiv.org/abs/2205.04255v2
- Date: Wed, 11 May 2022 08:28:53 GMT
- ステータス: 処理完了
- システム内更新日: 2022-05-12 19:59:11.385399
- Title: Improved Evaluation and Generation of Grid Layouts using Distance
Preservation Quality and Linear Assignment Sorting
- Title(参考訳): 距離保存品質と線形割当ソートを用いたグリッドレイアウトの評価と生成の改善
- Authors: Kai Uwe Barthel, Nico Hezel, Klaus Jung and Konstantin Schall
- Abstract要約: 類似性によってソートされた画像は、より多くの画像を同時に見ることができ、ストックフォトエージェンシーやeコマースアプリケーションにとって非常に有用である。
このようなアレンジメントを評価するための様々な指標が存在するが、人間の知覚品質と測定値の相関に関する実験的な証拠は少ない。
本研究では, 距離保存品質(DPQ)を新たな指標として提案し, 配置の質を評価する。
- 参考スコア(独自算出の注目度): 1.7842332554022693
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Images sorted by similarity enables more images to be viewed simultaneously,
and can be very useful for stock photo agencies or e-commerce applications.
Visually sorted grid layouts attempt to arrange images so that their proximity
on the grid corresponds as closely as possible to their similarity. Various
metrics exist for evaluating such arrangements, but there is low experimental
evidence on correlation between human perceived quality and metric value. We
propose Distance Preservation Quality (DPQ) as a new metric to evaluate the
quality of an arrangement. Extensive user testing revealed stronger correlation
of DPQ with user-perceived quality and performance in image retrieval tasks
compared to other metrics. In addition, we introduce Fast Linear Assignment
Sorting (FLAS) as a new algorithm for creating visually sorted grid layouts.
FLAS achieves very good sorting qualities while improving run time and
computational resources.
- Abstract(参考訳): 類似性によってソートされた画像は、より多くの画像を同時に見ることができ、ストックフォトエージェンシーやeコマースアプリケーションにとって非常に有用である。
視覚的に並べ替えられたグリッドレイアウトは、グリッドに近接する画像が、その類似性に可能な限り近いように配置しようとする。
このようなアレンジメントを評価するための様々な指標が存在するが、人間の知覚品質と測定値の相関に関する実験的な証拠は少ない。
本稿では,アレンジメントの品質評価のための新しい指標として,距離保存品質(dpq)を提案する。
広汎なユーザテストでは,DPQと画像検索タスクの品質と性能の相関が,他の指標と比較して強いことがわかった。
さらに,FLAS(Fast Linear Assignment Sorting)を,視覚的なグリッドレイアウト作成のための新しいアルゴリズムとして導入する。
FLASは、実行時間と計算資源を改善しながら、非常に優れたソート品質を実現する。
関連論文リスト
- Introspective Deep Metric Learning [94.31804364707575]
本稿では,不確実性を考慮した画像比較のためのイントロスペクティブな深度学習フレームワークを提案する。
我々のフレームワークは、広く使われているCUB-200-2011、Cars196、Stanford Online Productsのデータセット上で、最先端のパフォーマンスを実現しています。
論文 参考訳(メタデータ) (2022-05-09T17:51:44Z) - A study of deep perceptual metrics for image quality assessment [3.254879465902239]
我々は、画像品質評価(IQA)タスクに取り組むために、ディープニューラルネットワークに基づく知覚メトリクスについて検討する。
異なる解像度で知覚情報を集約できる多分解能知覚距離(MR-Perceptual)を提案する。
論文 参考訳(メタデータ) (2022-02-17T14:52:53Z) - Contextual Similarity Aggregation with Self-attention for Visual
Re-ranking [96.55393026011811]
本稿では,自己注意を伴う文脈的類似性集約による視覚的再ランク付け手法を提案する。
提案手法の汎用性と有効性を示すため,4つのベンチマークデータセットの総合的な実験を行った。
論文 参考訳(メタデータ) (2021-10-26T06:20:31Z) - A Compositional Feature Embedding and Similarity Metric for
Ultra-Fine-Grained Visual Categorization [16.843126268445726]
きめ細かい視覚分類(FGVC)は、クラス間の差異が小さいオブジェクトを分類することを目的としている。
本稿では,超微細な視覚分類のための新しい構成的特徴埋め込みと類似度指標(CECS)を提案する。
最近のベンチマーク手法を用いた2つの超FGVCデータセットと1つのFGVCデータセットの実験結果から,提案手法が最先端性能を実現することを一貫して示している。
論文 参考訳(メタデータ) (2021-09-25T15:05:25Z) - Deep Relational Metric Learning [84.95793654872399]
本稿では,画像クラスタリングと検索のためのディープリレーショナルメトリック学習フレームワークを提案する。
我々は、クラス間分布とクラス内分布の両方をモデル化するために、異なる側面から画像を特徴付ける特徴のアンサンブルを学ぶ。
広く使われているCUB-200-2011、Cars196、Stanford Online Productsデータセットの実験は、我々のフレームワークが既存の深層学習方法を改善し、非常に競争力のある結果をもたらすことを示した。
論文 参考訳(メタデータ) (2021-08-23T09:31:18Z) - 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) - Cross-Modal Retrieval Augmentation for Multi-Modal Classification [61.5253261560224]
画像の非構造化外部知識源とそれに対応するキャプションを用いて視覚的質問応答を改善する。
まず,画像とキャプションを同一空間に埋め込むための新しいアライメントモデルを訓練し,画像検索の大幅な改善を実現する。
第2に、トレーニングされたアライメントモデルを用いた検索強化マルチモーダルトランスは、強いベースライン上でのVQAの結果を改善することを示す。
論文 参考訳(メタデータ) (2021-04-16T13:27:45Z) - RTIC: Residual Learning for Text and Image Composition using Graph
Convolutional Network [19.017377597937617]
画像検索のための画像とテキストの構成学習について検討する。
本稿では,グラフ畳み込みネットワーク(gcn)と既存の合成手法を組み合わせた新しい手法を提案する。
論文 参考訳(メタデータ) (2021-04-07T09:41:52Z) - Intrinsic Image Captioning Evaluation [53.51379676690971]
I2CE(Intrinsic Image Captioning Evaluation)と呼ばれる画像キャプションのための学習ベースメトリクスを提案する。
実験の結果,提案手法は頑健な性能を維持し,意味的類似表現やアライメントの少ない意味論に遭遇した場合,候補キャプションに対してより柔軟なスコアを与えることができた。
論文 参考訳(メタデータ) (2020-12-14T08:36:05Z)
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。