論文の概要: A No-Reference Deep Learning Quality Assessment Method for Super-resolution Images Based on Frequency Maps

• arxiv url: http://arxiv.org/abs/2206.04289v1
• Date: Thu, 9 Jun 2022 05:43:37 GMT
• ステータス: 処理完了
• システム内更新日: 2022-06-10 15:59:25.427159
• Title: A No-Reference Deep Learning Quality Assessment Method for Super-resolution Images Based on Frequency Maps
• Title（参考訳）: 周波数マップに基づく高解像度画像の非参照ディープラーニング品質評価手法
• Authors: Zicheng Zhang, Wei Sun, Xiongkuo Min, Wenhan Zhu, Tao Wang, Wei Lu, Guangtao Zhai
• Abstract要約: 本稿では,周波数マップに基づく非参照ディープラーニング画像品質評価手法を提案する。 まず、SRIの高周波マップ(HM)と低周波マップ(LM)を、Sobel演算子とスムーズな画像近似を用いて取得する。 提案手法は,選択した3つの超解像品質評価(SRQA)データベース上で比較したIQAモデルよりも優れている。
• 参考スコア（独自算出の注目度）: 39.58198651685851
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: To support the application scenarios where high-resolution (HR) images are urgently needed, various single image super-resolution (SISR) algorithms are developed. However, SISR is an ill-posed inverse problem, which may bring artifacts like texture shift, blur, etc. to the reconstructed images, thus it is necessary to evaluate the quality of super-resolution images (SRIs). Note that most existing image quality assessment (IQA) methods were developed for synthetically distorted images, which may not work for SRIs since their distortions are more diverse and complicated. Therefore, in this paper, we propose a no-reference deep-learning image quality assessment method based on frequency maps because the artifacts caused by SISR algorithms are quite sensitive to frequency information. Specifically, we first obtain the high-frequency map (HM) and low-frequency map (LM) of SRI by using Sobel operator and piecewise smooth image approximation. Then, a two-stream network is employed to extract the quality-aware features of both frequency maps. Finally, the features are regressed into a single quality value using fully connected layers. The experimental results show that our method outperforms all compared IQA models on the selected three super-resolution quality assessment (SRQA) databases.
• Abstract（参考訳）: 高解像度(HR)画像が緊急に必要とされるアプリケーションシナリオをサポートするために、様々な単一画像超解像(SISR)アルゴリズムが開発された。 しかし、sisrは不適切な逆問題であり、再構成画像にテクスチャシフトやぼかしなどのアーティファクトをもたらす可能性があるため、超解像度画像(sris)の品質を評価する必要がある。 既存の画像品質評価法 (iqa) は合成歪画像のために開発されたが、srisでは歪みが多様で複雑であるため役に立たない。 そこで本稿では,SISRアルゴリズムによる成果物は周波数情報に非常に敏感であるため,周波数マップに基づく非参照ディープラーニング画像品質評価手法を提案する。 具体的には、まずSRIの高周波マップ(HM)と低周波マップ(LM)をSobel演算子とスムーズな画像近似を用いて取得する。 そして、両周波数マップの品質認識特徴を抽出するために、2ストリームネットワークを用いる。 最後に、機能は完全に接続されたレイヤを使用して単一の品質値に回帰される。 実験の結果,提案手法は選択した3つの超解像品質評価(SRQA)データベース上で比較したIQAモデルよりも優れていた。

関連論文リスト

• QMRNet: Quality Metric Regression for EO Image Quality Assessment and Super-Resolution [2.425299069769717]
  我々は、異なる地球観測(EO)データセットに対して、最先端の超解法(SR)アルゴリズムをベンチマークする。 また,画像の任意の特性をトレーニングすることで,品質を予測できる新しい品質指標回帰ネットワーク(QMRNet)を提案する。 総合ベンチマークでは、LIIF、CAR、MSRNの有望な結果と、SR予測を最適化するためのロスとしてQMRNetが使用される可能性を示している。
  論文  参考訳（メタデータ） (2022-10-12T22:51:13Z)
• High Dynamic Range Image Quality Assessment Based on Frequency Disparity [78.36555631446448]
  高ダイナミックレンジ(HDR)画像に対する周波数差に基づく画像品質評価(IQA)アルゴリズムを提案する。 提案したLGFMは、最先端HDR IQA法と比較して、主観的知覚との整合性が高い。
  論文  参考訳（メタデータ） (2022-09-06T08:22:13Z)
• Hierarchical Similarity Learning for Aliasing Suppression Image Super-Resolution [64.15915577164894]
  エイリアスの影響を抑制するために階層画像超解像ネットワーク(HSRNet)を提案する。 HSRNetは、他の作品よりも定量的かつ視覚的なパフォーマンスを向上し、エイリアスをより効果的に再送信する。
  論文  参考訳（メタデータ） (2022-06-07T14:55:32Z)
• SPQE: Structure-and-Perception-Based Quality Evaluation for Image Super-Resolution [24.584839578742237]
  超解像技術は画像の画質を大幅に改善し、解像度を向上した。 また、これらのアルゴリズムや生成された画像を評価するための効率的なSR画像品質評価(SR-IQA)も求めている。 深層学習ベースSRでは、生成した高品質で視覚的に喜ぶ画像は、対応する低品質の画像とは異なる構造を持つ可能性がある。
  論文  参考訳（メタデータ） (2022-05-07T07:52:55Z)
• Image Quality Assessment using Contrastive Learning [50.265638572116984]
  我々は、補助的な問題を解決するために、対照的な対の目的を用いて深層畳み込みニューラルネットワーク(CNN)を訓練する。 本研究では,最新のNR画像品質モデルと比較して,ContriQUEが競争性能を向上することを示す。 以上の結果から,大きなラベル付き主観的画像品質データセットを必要とせずに,知覚的関連性を持つ強力な品質表現が得られることが示唆された。
  論文  参考訳（メタデータ） (2021-10-25T21:01:00Z)
• 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)
• Hierarchical Conditional Flow: A Unified Framework for Image Super-Resolution and Image Rescaling [139.25215100378284]
  画像SRと画像再スケーリングのための統合フレームワークとして階層的条件フロー(HCFlow)を提案する。 HCFlowは、LR画像と残りの高周波成分の分布を同時にモデル化することにより、HRとLR画像ペア間のマッピングを学習する。 さらに性能を高めるために、知覚的損失やGAN損失などの他の損失と、トレーニングで一般的に使用される負の対数類似損失とを組み合わせる。
  論文  参考訳（メタデータ） (2021-08-11T16:11:01Z)
• Learning-Based Quality Assessment for Image Super-Resolution [25.76907513611358]
  我々は,新しい半自動ラベリング手法を用いて,大規模sr画像データベースを構築する。 結果のSR画像品質データベースには、100の自然シーンの8,400の画像が含まれている。 特徴抽出にDNN(Deep Neural Networks)を用いたエンドツーエンドのDeep Image SR Quality(DISQ)モデルと、品質予測のためのFeature fusion Networkをトレーニングします。
  論文  参考訳（メタデータ） (2020-12-16T04:06:27Z)
• Blind Quality Assessment for Image Superresolution Using Deep Two-Stream Convolutional Networks [41.558981828761574]
  我々は,非参照深部ニューラルネットワークを用いたSR画像品質評価器(DeepSRQ)を提案する。 様々な歪んだSR画像のより識別的な特徴表現を学習するために、提案したDeepSRQは2ストリームの畳み込みネットワークである。 3つの公開SR画像品質データベースの実験結果から,提案したDeepSRQの有効性と一般化能力を示す。
  論文  参考訳（メタデータ） (2020-04-13T19:14:28Z)

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。