Fugu-MT 論文翻訳(概要): Spatial Moment Pooling Improves Neural Image Assessment

論文の概要: Spatial Moment Pooling Improves Neural Image Assessment

arxiv url: http://arxiv.org/abs/2209.14583v1
Date: Thu, 29 Sep 2022 06:48:15 GMT
ステータス: 処理完了
システム内更新日: 2022-09-30 17:21:50.451383
Title: Spatial Moment Pooling Improves Neural Image Assessment
Title（参考訳）: 空間的モーメントプーリングは神経画像評価を改善する
Authors: Tongda Xu, Yifan Shao, Yan Wang, Hongwei Qin
Abstract要約: 本論文は,全基準ブラインド画像品質評価(IQA)とテクスチャ特徴に着想を得たものである。高次モーメントを組み込んだ空間平均プーリング(SAP)を空間モーメントプーリング(SMP)に拡張する。実験結果から, SAP を SMP にアップグレードするだけで CNN ベースのブラインドIQA 手法が大幅に向上し, 技術性能が向上することが示唆された。
参考スコア（独自算出の注目度）: 8.760472102143694
License: http://creativecommons.org/licenses/by/4.0/
Abstract: In recent years, there has been widespread attention drawn to convolutional neural network (CNN) based blind image quality assessment (IQA). A large number of works start by extracting deep features from CNN. Then, those features are processed through spatial average pooling (SAP) and fully connected layers to predict quality. Inspired by full reference IQA and texture features, in this paper, we extend SAP ($1^{st}$ moment) into spatial moment pooling (SMP) by incorporating higher order moments (such as variance, skewness). Moreover, we provide learning friendly normalization to circumvent numerical issue when computing gradients of higher moments. Experimental results suggest that simply upgrading SAP to SMP significantly enhances CNN-based blind IQA methods and achieves state of the art performance.
Abstract（参考訳）: 近年,畳み込みニューラルネットワーク(CNN)に基づく視覚画像品質評価(IQA)に注目が集まっている。多数の作業は、CNNから深い機能の抽出から始まります。そして、それらの特徴を空間平均プール(SAP)と完全に接続された層を通して処理し、品質を予測する。本稿では,SAP(1^{st}$ moment)を空間的モーメントプーリング(SMP)に拡張し,高次モーメント(分散,歪等)を取り入れた。さらに,高次モーメントの勾配計算における数値問題を回避するために,学習フレンドリな正規化を提供する。実験結果から, SAP を SMP にアップグレードするだけで CNN ベースの IQA 手法が大幅に向上し, 技術性能が向上することが示唆された。

関連論文リスト

Time Elastic Neural Networks [2.1756081703276]
時間弾性ニューラルネットワーク(teNN)という,非定型ニューラルネットワークアーキテクチャの導入と詳細化について述べる。古典的ニューラルネットワークアーキテクチャと比較して新しいのは、時間ゆがみ能力を明確に組み込んでいることだ。トレーニング過程において,TENNは各細胞に必要となるニューロン数を減少させることに成功した。
論文参考訳（メタデータ） (2024-05-27T09:01:30Z)
Bridging the Gap Between Saliency Prediction and Image Quality Assessment [0.0]
深部神経モデルでは画像品質評価(IQA)が大幅に進歩している我々はIQAとSaliency Predictionタスクの関係を明らかにする実証的研究を行った。本稿では,サリエンシ対応圧縮画像の新たなSACIDデータセットを導入し,従来のIQA法とニューラルベースIQA法の大規模比較を行う。
論文参考訳（メタデータ） (2024-05-08T12:04:43Z)
TOPIQ: A Top-down Approach from Semantics to Distortions for Image Quality Assessment [53.72721476803585]
画像品質評価(IQA)は、ディープニューラルネットワークによる顕著な進歩を目の当たりにしたコンピュータビジョンの基本課題である。本稿では,高レベルの意味論を用いてIQAネットワークを誘導し,意味的に重要な局所歪み領域に注目するトップダウンアプローチを提案する。提案手法の重要な要素は,低レベル特徴に対するアテンションマップを算出した,クロススケールアテンション機構である。
論文参考訳（メタデータ） (2023-08-06T09:08:37Z)
DeepDC: Deep Distance Correlation as a Perceptual Image Quality Evaluator [53.57431705309919]
ImageNet Pre-trained Deep Neural Network (DNN)は、効果的な画像品質評価(IQA)モデルを構築するための顕著な転送性を示す。我々は,事前学習DNN機能のみに基づく新しいフル参照IQA(FR-IQA)モデルを開発した。 5つの標準IQAデータセット上で,提案した品質モデルの優位性を示すため,包括的実験を行った。
論文参考訳（メタデータ） (2022-11-09T14:57:27Z)
Image Super-resolution with An Enhanced Group Convolutional Neural Network [102.2483249598621]
学習能力の強いCNNは、超解像問題を解くために広く選択されている。浅層構造を持つ超解像群CNN(ESRGCNN)を提案する。 ESRGCNNは、SISRの性能、複雑さ、実行速度、画質評価およびSISRの視覚効果の観点から、最先端技術を上回っていると報告されている。
論文参考訳（メタデータ） (2022-05-29T00:34:25Z)
Attentions Help CNNs See Better: Attention-based Hybrid Image Quality Assessment Network [20.835800149919145]
画像品質評価(IQA)アルゴリズムは、画像品質に対する人間の認識を定量化することを目的としている。 GAN(Generative Adversarial Network)によって生成された歪み画像を、一見現実的なテクスチャで評価する際の性能低下がある。本稿では,AHIQ(Hybrid Image Quality Assessment Network)を提案する。
論文参考訳（メタデータ） (2022-04-22T03:59:18Z)
Continual Learning for Blind Image Quality Assessment [80.55119990128419]
ブラインド画像品質評価(BIQA)モデルは、サブポピュレーションシフトに継続的に適応できない。最近の研究では、利用可能なすべての人間評価のIQAデータセットの組み合わせに関するBIQAメソッドのトレーニングが推奨されている。モデルがIQAデータセットのストリームから継続的に学習するBIQAの継続的学習を策定する。
論文参考訳（メタデータ） (2021-02-19T03:07:01Z)
Multi-pooled Inception features for no-reference image quality assessment [0.0]
畳み込みニューラルネットワーク(CNN)を用いた画像品質評価の新しい手法を提案する。従来の手法とは対照的に、入力画像からパッチを取らない。代わりに、入力画像は全体として処理され、事前訓練されたCNN本体を通して実行され、解像度に依存しない多段階の深い特徴を抽出する。我々は、MultiGAP-NRIQAと呼ばれるベストな提案が、3つのベンチマークIQAデータベースに対して最先端の結果を提供することができることを実証した。
論文参考訳（メタデータ） (2020-11-10T15:09:49Z)
Learning Deep Interleaved Networks with Asymmetric Co-Attention for Image Restoration [65.11022516031463]
本稿では,高品質(本社)画像再構成のために,異なる状態の情報をどのように組み合わせるべきかを学習するディープインターリーブドネットワーク(DIN)を提案する。本稿では,各インターリーブノードにアタッチメントされた非対称なコアテンション(AsyCA)を提案し,その特性依存性をモデル化する。提案したDINはエンドツーエンドで訓練でき、様々な画像復元タスクに適用できる。
論文参考訳（メタデータ） (2020-10-29T15:32:00Z)
FocusLiteNN: High Efficiency Focus Quality Assessment for Digital Pathology [42.531674974834544]
本稿では,ハードウェアの過剰な要求を伴わずに,知識駆動方式と同様の高速な計算を行うCNNベースのモデルを提案する。 FocusPathを使って、9つの異なる色の組織スライドを含むトレーニングデータセットを作成します。 CNNの複雑さを減らそうとする試みでは、CNNを最小レベルまで縮小しても、競争力の高いパフォーマンスを実現しているのが驚きです。
論文参考訳（メタデータ） (2020-07-11T20:52:01Z)
MetaIQA: Deep Meta-learning for No-Reference Image Quality Assessment [73.55944459902041]
本稿では,深層メタラーニングに基づく非参照IQA尺度を提案する。まず、様々な歪みに対してNR-IQAタスクを収集する。次にメタラーニングを用いて、多彩な歪みによって共有される事前知識を学習する。大規模な実験により、提案された計量は最先端の技術を大きなマージンで上回ることを示した。
論文参考訳（メタデータ） (2020-04-11T23:36:36Z)

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。