論文の概要: From Distance to Dependency: A Paradigm Shift of Full-reference Image Quality Assessment

• arxiv url: http://arxiv.org/abs/2211.04927v1
• Date: Wed, 9 Nov 2022 14:57:27 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-10 17:41:08.253170
• Title: From Distance to Dependency: A Paradigm Shift of Full-reference Image Quality Assessment
• Title（参考訳）: 距離から依存性へ:フル参照画像品質評価のパラダイムシフト
• Authors: Hanwei Zhu, Baoliang Chen, Lingyu Zhu and Shiqi Wang
• Abstract要約: ディープラーニングに基づくフルリファレンス画像品質評価(FR-IQA)モデルは通常、参照画像と歪んだ画像との間の特徴距離に依存する。 本稿では,DIDに基づくFR-IQAモデルを提案する。
• 参考スコア（独自算出の注目度）: 21.616501738949207
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Deep learning-based full-reference image quality assessment (FR-IQA) models typically rely on the feature distance between the reference and distorted images. However, the underlying assumption of these models that the distance in the deep feature domain could quantify the quality degradation does not scientifically align with the invariant texture perception, especially when the images are generated artificially by neural networks. In this paper, we bring a radical shift in inferring the quality with learned features and propose the Deep Image Dependency (DID) based FR-IQA model. The feature dependency facilitates the comparisons of deep learning features in a high-order manner with Brownian distance covariance, which is characterized by the joint distribution of the features from reference and test images, as well as their marginal distributions. This enables the quantification of the feature dependency against nonlinear transformation, which is far beyond the computation of the numerical errors in the feature space. Experiments on image quality prediction, texture image similarity, and geometric invariance validate the superior performance of our proposed measure.
• Abstract（参考訳）: ディープラーニングに基づくフルリファレンス画像品質評価(FR-IQA)モデルは通常、参照画像と歪んだ画像との間の特徴距離に依存する。 しかし、深い特徴領域における距離が品質劣化を定量化できるというこれらのモデルの基本的な仮定は、特にニューラルネットワークによって画像が人工的に生成される場合、科学的に不変なテクスチャ知覚と一致しない。 本稿では,学習機能を用いた品質推定に急進的なシフトをもたらし,深層画像依存性(did)に基づくfr-iqaモデルを提案する。 特徴依存性は、参照画像とテスト画像からの特徴の連成分布と、その辺縁分布を特徴とするブラウン距離共分散と高次的に深層学習特徴の比較を容易にする。 これにより、特徴空間における数値誤差の計算をはるかに超える非線形変換に対する特徴依存性の定量化が可能になる。 画像品質予測,テクスチャ画像類似性,幾何学的不変性の実験により,提案手法の優れた性能が検証された。

関連論文リスト

• Distance Weighted Trans Network for Image Completion [52.318730994423106]
  本稿では,DWT(Distance-based Weighted Transformer)を利用した画像コンポーネント間の関係をよりよく理解するためのアーキテクチャを提案する。 CNNは、粗い事前の局所的なテクスチャ情報を強化するために使用される。 DWTブロックは、特定の粗いテクスチャやコヒーレントな視覚構造を復元するために使用される。
  論文  参考訳（メタデータ） (2023-10-11T12:46:11Z)
• CONVIQT: Contrastive Video Quality Estimator [63.749184706461826]
  知覚ビデオ品質評価(VQA)は、多くのストリーミングおよびビデオ共有プラットフォームにおいて不可欠な要素である。 本稿では,視覚的に関連のある映像品質表現を自己指導的に学習する問題について考察する。 本研究は, 自己教師型学習を用いて, 知覚力による説得力のある表現が得られることを示す。
  論文  参考訳（メタデータ） (2022-06-29T15:22:01Z)
• 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)
• Dynamically-Scaled Deep Canonical Correlation Analysis [77.34726150561087]
  カノニカル相関解析 (CCA) は, 2つのビューの特徴抽出手法である。 本稿では,入力依存の正準相関モデルをトレーニングするための新しい動的スケーリング手法を提案する。
  論文  参考訳（メタデータ） (2022-03-23T12:52:49Z)
• Generalized Rectifier Wavelet Covariance Models For Texture Synthesis [2.585403833659771]
  畳み込みニューラルネットワーク(CNN)で定義された画像表現に依存する統計からテクスチャ合成のための最先端の最大エントロピーモデルを構築する。 我々は,非線形ウェーブレットに基づく表現に基づく統計学のファミリを提案し,これを一般化された非線形性を用いて一層CNNの特定の例と見なすことができる。 これらの統計は、従来のウェーブレットベースのモデルの視覚的品質を大幅に改善し、グレースケールとカラーテクスチャの両方で、最先端のモデルと類似した品質の合成を作成できる。
  論文  参考訳（メタデータ） (2022-03-14T17:07:40Z)
• Probabilistic Tracking with Deep Factors [8.030212474745879]
  因子グラフに基づく確率的追跡フレームワークにおける特徴量に対する生成密度と組み合わせたディープ・フィーチャー・エンコーディングの使い方を示す。 本稿では,学習した特徴エンコーダと生成密度を組み合わせる可能性モデルを提案する。
  論文  参考訳（メタデータ） (2021-12-02T21:31:51Z)
• Learning Transformer Features for Image Quality Assessment [53.51379676690971]
  本稿では,CNNバックボーンとトランスフォーマーエンコーダを用いて特徴抽出を行うIQAフレームワークを提案する。 提案するフレームワークはFRモードとNRモードの両方と互換性があり、共同トレーニング方式が可能である。
  論文  参考訳（メタデータ） (2021-12-01T13:23:00Z)
• 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)
• Consumer Image Quality Prediction using Recurrent Neural Networks for Spatial Pooling [13.750624267664156]
  本稿では、リカレントニューラルネットワーク(RNN)を用いて、人間の視覚系(HVS)の注意機構を模倣する画像品質モデルを提案する。 最近発表された2つの画像品質データセットの解像度の異なる画像を用いて行った実験により、提案手法の品質予測精度は、最先端技術を表すベンチマークモデルと競合することを示した。
  論文  参考訳（メタデータ） (2021-06-02T03:31:44Z)

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。