論文の概要: Perceptual Quality Assessment for Fine-Grained Compressed Images

• arxiv url: http://arxiv.org/abs/2206.03862v1
• Date: Wed, 8 Jun 2022 12:56:45 GMT
• ステータス: 処理完了
• システム内更新日: 2022-06-09 13:52:40.522104
• Title: Perceptual Quality Assessment for Fine-Grained Compressed Images
• Title（参考訳）: 微細粒度圧縮画像の知覚品質評価
• Authors: Zicheng Zhang, Wei Sun, Wei Wu, Ying Chen, Xiongkuo Min, Guangtao Zhai
• Abstract要約: そこで本研究では,精細レベルの圧縮画像に対するフル参照画像品質評価(FR-IQA)手法を提案する。 提案手法は,FGIQAデータベース上での圧縮画像品質評価(FGIQA)により検証される。
• 参考スコア（独自算出の注目度）: 38.615746092795625
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recent years have witnessed the rapid development of image storage and transmission systems, in which image compression plays an important role. Generally speaking, image compression algorithms are developed to ensure good visual quality at limited bit rates. However, due to the different compression optimization methods, the compressed images may have different levels of quality, which needs to be evaluated quantificationally. Nowadays, the mainstream full-reference (FR) metrics are effective to predict the quality of compressed images at coarse-grained levels (the bit rates differences of compressed images are obvious), however, they may perform poorly for fine-grained compressed images whose bit rates differences are quite subtle. Therefore, to better improve the Quality of Experience (QoE) and provide useful guidance for compression algorithms, we propose a full-reference image quality assessment (FR-IQA) method for compressed images of fine-grained levels. Specifically, the reference images and compressed images are first converted to $YCbCr$ color space. The gradient features are extracted from regions that are sensitive to compression artifacts. Then we employ the Log-Gabor transformation to further analyze the texture difference. Finally, the obtained features are fused into a quality score. The proposed method is validated on the fine-grained compression image quality assessment (FGIQA) database, which is especially constructed for assessing the quality of compressed images with close bit rates. The experimental results show that our metric outperforms mainstream FR-IQA metrics on the FGIQA database. We also test our method on other commonly used compression IQA databases and the results show that our method obtains competitive performance on the coarse-grained compression IQA databases as well.
• Abstract（参考訳）: 近年、画像圧縮が重要な役割を果たす画像記憶・伝送システムの急速な発展が目撃されている。 一般に、画像圧縮アルゴリズムは、限られたビットレートで良好な視覚品質を確保するために開発されている。 しかし、圧縮最適化方法が異なるため、圧縮画像は異なるレベルの品質を持つ可能性があり、定量化する必要がある。 現在では、圧縮画像の品質を粗いレベル(圧縮画像のビットレート差は明らかである)で予測するために、主流のフル参照(FR)メトリクスが有効であるが、ビットレート差が極めて微妙な粒度圧縮画像では不十分である。 そこで我々は,QoE(Quality of Experience)の改良と圧縮アルゴリズムのための有用なガイダンスを提供するために,精細なレベルの圧縮画像に対するフル参照画像品質評価(FR-IQA)手法を提案する。 具体的には、参照画像と圧縮画像が最初にYCbCr$色空間に変換される。 勾配特徴は圧縮アーティファクトに敏感な領域から抽出される。 次に,Log-Gabor変換を用いてテクスチャ差を解析する。 最後に、得られた特徴を質スコアに融合する。 提案手法は,圧縮画像の品質を近接ビットレートで評価するために特に構築されたFGIQAデータベース上で検証する。 実験の結果,FGIQAデータベース上でのFR-IQAの指標よりも優れていた。 また,本手法は他の圧縮IQAデータベース上でも実験を行い,より粗い圧縮IQAデータベース上でも競合性能が得られることを示した。

関連論文リスト

• Learned Image Compression for HE-stained Histopathological Images via Stain Deconvolution [33.69980388844034]
  本稿では,一般的なJPEGアルゴリズムがさらなる圧縮に適していないことを示す。 Stain Quantized Latent Compression, a novel DL based histopathology data compression approach。 提案手法はJPEGのような従来の手法と比較して,下流タスクの分類において優れた性能を示すことを示す。
  論文  参考訳（メタデータ） (2024-06-18T13:47:17Z)
• Transferable Learned Image Compression-Resistant Adversarial Perturbations [66.46470251521947]
  敵対的攻撃は容易に画像分類システムを破壊し、DNNベースの認識タスクの脆弱性を明らかにする。 我々は、学習した画像圧縮機を前処理モジュールとして利用する画像分類モデルをターゲットにした新しいパイプラインを提案する。
  論文  参考訳（メタデータ） (2024-01-06T03:03:28Z)
• Extreme Image Compression using Fine-tuned VQGANs [43.43014096929809]
  本稿ではベクトル量子化(VQ)に基づく生成モデルを画像圧縮領域に導入する。 VQGANモデルによって学習されたコードブックは、強い表現能力をもたらす。 提案したフレームワークは、知覚的品質指向のメトリクスで最先端のコーデックより優れている。
  論文  参考訳（メタデータ） (2023-07-17T06:14:19Z)
• SwinIQA: Learned Swin Distance for Compressed Image Quality Assessment [23.87848736166893]
  我々は,スウィン距離空間における圧縮画像の知覚的品質を測定するために,フル参照画像品質評価尺度SwinIQAを設計する。 実験の結果,提案手法は従来のCLICデータセットの手法と学習に基づく手法と比較して,人間の知覚的判断との整合性が高いことがわかった。
  論文  参考訳（メタデータ） (2022-05-09T13:31:27Z)
• Neural JPEG: End-to-End Image Compression Leveraging a Standard JPEG Encoder-Decoder [73.48927855855219]
  本稿では,エンコーダとデコーダの両端に内在するニューラル表現を強化することで,符号化性能の向上を図るシステムを提案する。 実験により,提案手法はJPEGに対する速度歪み性能を,様々な品質指標で改善することを示した。
  論文  参考訳（メタデータ） (2022-01-27T20:20:03Z)
• Early Exit or Not: Resource-Efficient Blind Quality Enhancement for Compressed Images [54.40852143927333]
  ロスシー画像圧縮は、通信帯域を節約するために広範に行われ、望ましくない圧縮アーティファクトをもたらす。 圧縮画像に対する資源効率の高いブラインド品質向上手法(RBQE)を提案する。 提案手法は, 評価された画像の品質に応じて, 自動的にエンハンスメントを終了するか, 継続するかを決定することができる。
  論文  参考訳（メタデータ） (2020-06-30T07:38:47Z)
• Quantization Guided JPEG Artifact Correction [69.04777875711646]
  我々はJPEGファイル量子化行列を用いたアーティファクト修正のための新しいアーキテクチャを開発した。 これにより、特定の品質設定のためにトレーニングされたモデルに対して、単一のモデルで最先端のパフォーマンスを達成できます。
  論文  参考訳（メタデータ） (2020-04-17T00:10:08Z)
• Discernible Image Compression [124.08063151879173]
  本稿では、外観と知覚の整合性の両方を追求し、圧縮画像を作成することを目的とする。 エンコーダ・デコーダ・フレームワークに基づいて,事前学習したCNNを用いて,オリジナル画像と圧縮画像の特徴を抽出する。 ベンチマーク実験により,提案手法を用いて圧縮した画像は,その後の視覚認識・検出モデルでもよく認識できることが示された。
  論文  参考訳（メタデータ） (2020-02-17T07:35:08Z)

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。