論文の概要: Quality Assessment of Image Super-Resolution: Balancing Deterministic and Statistical Fidelity

• arxiv url: http://arxiv.org/abs/2207.08689v1
• Date: Fri, 15 Jul 2022 02:09:17 GMT
• ステータス: 処理完了
• システム内更新日: 2022-07-20 07:50:24.472392
• Title: Quality Assessment of Image Super-Resolution: Balancing Deterministic and Statistical Fidelity
• Title（参考訳）: 画像超解法の品質評価:決定性と統計的忠実性のバランス
• Authors: Wei Zhou and Zhou Wang
• Abstract要約: 決定論的忠実度(DF)と統計的忠実度(SF)の2次元(2次元)空間におけるSR画像品質評価(SR IQA)の問題点を考察する。 本稿では,この2つの忠実度尺度を,超解像忠実度指数(SRIF)と呼ばれる全体的な品質予測にマージする不確実性重み付け手法を提案する。
• 参考スコア（独自算出の注目度）: 14.586878663223832
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: There has been a growing interest in developing image super-resolution (SR) algorithms that convert low-resolution (LR) to higher resolution images, but automatically evaluating the visual quality of super-resolved images remains a challenging problem. Here we look at the problem of SR image quality assessment (SR IQA) in a two-dimensional (2D) space of deterministic fidelity (DF) versus statistical fidelity (SF). This allows us to better understand the advantages and disadvantages of existing SR algorithms, which produce images at different clusters in the 2D space of (DF, SF). Specifically, we observe an interesting trend from more traditional SR algorithms that are typically inclined to optimize for DF while losing SF, to more recent generative adversarial network (GAN) based approaches that by contrast exhibit strong advantages in achieving high SF but sometimes appear weak at maintaining DF. Furthermore, we propose an uncertainty weighting scheme based on content-dependent sharpness and texture assessment that merges the two fidelity measures into an overall quality prediction named the Super Resolution Image Fidelity (SRIF) index, which demonstrates superior performance against state-of-the-art IQA models when tested on subject-rated datasets.
• Abstract（参考訳）: 低解像度(LR)を高解像度画像に変換する画像超解像(SR)アルゴリズムの開発への関心が高まっているが、超解像の視覚的品質を自動評価することは難しい問題である。 本稿では、決定論的忠実度(DF)と統計的忠実度(SF)の2次元空間におけるSR画像品質評価(SR IQA)の問題を検討する。 これにより、既存のSRアルゴリズムが2次元空間(DF, SF)の異なるクラスタで画像を生成する利点とデメリットをよりよく理解することができる。 具体的には、SFをなくしながらDFを最適化する傾向にある従来のSRアルゴリズムから、対照的に高いSFを達成する上で強力な優位性を示す一方で、DFを維持する上で弱いように見えるGAN(Generative Adversarial Network)ベースのアプローチまで、興味深い傾向を観察する。 さらに,コンテンツ依存のシャープネスとテクスチャ評価に基づく不確実性重み付け方式を提案する。この2つの忠実度尺度を,対象とするデータセットでテストした場合に最先端のiqaモデルに対して優れた性能を示す,super resolution image fidelity(srif)インデックスと呼ばれる全体的な品質予測にマージする。

関連論文リスト

• Hyperspectral and multispectral image fusion with arbitrary resolution through self-supervised representations [23.04458119996]
  本稿では,2つのニューラル表現を行列因子化に組み込むことにより,新しい連続低ランク因子化(CLoRF)を提案する。 提案手法は,行列分解による低ランク化と神経表現による連続性の両方を自己教師的手法で利用することができる。
  論文  参考訳（メタデータ） (2024-05-28T04:29:23Z)
• Hybrid-Supervised Dual-Search: Leveraging Automatic Learning for Loss-free Multi-Exposure Image Fusion [60.221404321514086]
  マルチ露光画像融合(MEF)は、様々な露光レベルを表すデジタルイメージングの限界に対処するための重要な解決策である。 本稿では、ネットワーク構造と損失関数の両方を自動設計するための二段階最適化探索方式であるHSDS-MEFと呼ばれるMEFのためのハイブリッドスーパービジョンデュアルサーチ手法を提案する。
  論文  参考訳（メタデータ） (2023-09-03T08:07:26Z)
• A No-Reference Deep Learning Quality Assessment Method for Super-resolution Images Based on Frequency Maps [39.58198651685851]
  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。
  論文  参考訳（メタデータ） (2022-06-09T05:43:37Z)
• 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)
• Textural-Structural Joint Learning for No-Reference Super-Resolution Image Quality Assessment [59.91741119995321]
  我々は、TSNetと呼ばれる品質予測のためのテキスト情報と構造情報を共同で探索するデュアルストリームネットワークを開発した。 画像の重要な領域に注意を払っている人間の視覚システム(HVS)を模倣することにより、視覚に敏感な領域をより区別しやすくするための空間的注意機構を開発する。 実験の結果,提案したTSNetは現状のIQA法よりも視覚的品質を正確に予測し,人間の視点との整合性を示した。
  論文  参考訳（メタデータ） (2022-05-27T09:20:06Z)
• 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)
• HDNet: High-resolution Dual-domain Learning for Spectral Compressive Imaging [138.04956118993934]
  HSI再構成のための高分解能デュアルドメイン学習ネットワーク(HDNet)を提案する。 一方、高効率な特徴融合によるHR空間スペクトルアテンションモジュールは、連続的かつ微細な画素レベルの特徴を提供する。 一方、HSI再構成のために周波数領域学習(FDL)を導入し、周波数領域の差を狭める。
  論文  参考訳（メタデータ） (2022-03-04T06:37:45Z)
• 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)
• Image Super-Resolution Quality Assessment: Structural Fidelity Versus Statistical Naturalness [36.022063424485324]
  単一画像スーパーリゾリューション(SISR)アルゴリズムは、低解像度(LR)のものと高リゾリューション(HR)画像を再構築する。 構造的忠実度と統計的自然度という2次元(2次元)空間におけるSISR生成画像の品質を評価する。 簡単な局所構造的忠実度とグローバルな統計的自然度測定の線形結合により、SISR画像の品質を驚くほど正確に予測できることがわかった。
  論文  参考訳（メタデータ） (2021-05-15T04:31:48Z)
• Towards Unsupervised Deep Image Enhancement with Generative Adversarial Network [92.01145655155374]
  監視されていない画像強調生成ネットワーク(UEGAN)を提案する。 教師なしの方法で所望の特性を持つ画像の集合から、対応する画像と画像のマッピングを学習する。 その結果,提案モデルは画像の美的品質を効果的に向上することがわかった。
  論文  参考訳（メタデータ） (2020-12-30T03:22:46Z)
• 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。