論文の概要: Progressive Knowledge Transfer Based on Human Visual Perception
Mechanism for Perceptual Quality Assessment of Point Clouds
- arxiv url: http://arxiv.org/abs/2211.16646v1
- Date: Wed, 30 Nov 2022 00:27:58 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-01 17:51:26.129232
- Title: Progressive Knowledge Transfer Based on Human Visual Perception
Mechanism for Perceptual Quality Assessment of Point Clouds
- Title（参考訳）: 点雲の知覚的品質評価のための人間の視覚知覚機構に基づく進歩的知識伝達
- Authors: Qi Liu, Yiyun Liu, Honglei Su, Hui Yuan, and Raouf Hamzaoui
- Abstract要約: 点雲(PKT-PCQA)の知覚的品質評価のための人間の視覚知覚機構に基づく進歩的知識伝達を提案する。
3つの大規模および独立したポイントクラウドアセスメントデータセットの実験により、提案された参照PKT-PCQAネットワークが同等のパフォーマンスを向上することを示す。
- 参考スコア（独自算出の注目度）: 21.50682830021656
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: With the wide applications of colored point cloud in many fields, point cloud
perceptual quality assessment plays a vital role in the visual communication
systems owing to the existence of quality degradations introduced in various
stages. However, the existing point cloud quality assessments ignore the
mechanism of human visual system (HVS) which has an important impact on the
accuracy of the perceptual quality assessment. In this paper, a progressive
knowledge transfer based on human visual perception mechanism for perceptual
quality assessment of point clouds (PKT-PCQA) is proposed. The PKT-PCQA merges
local features from neighboring regions and global features extracted from
graph spectrum. Taking into account the HVS properties, the spatial and channel
attention mechanism is also considered in PKT-PCQA. Besides, inspired by the
hierarchical perception system of human brains, PKT-PCQA adopts a progressive
knowledge transfer to convert the coarse-grained quality classification
knowledge to the fine-grained quality prediction task. Experiments on three
large and independent point cloud assessment datasets show that the proposed no
reference PKT-PCQA network achieves better of equivalent performance comparing
with the state-of-the-art full reference quality assessment methods,
outperforming the existed no reference quality assessment network.
- Abstract（参考訳）: 多くの分野におけるカラーポイントクラウドの幅広い応用により、ポイントクラウド知覚的品質評価は、様々な段階に導入される品質劣化の存在により、視覚通信システムにおいて重要な役割を果たす。
しかし,既存のクラウド品質評価では,人間の視覚システム(HVS)のメカニズムが無視され,知覚的品質評価の精度に重要な影響を与えている。
本稿では,PKT-PCQA(PKT-PCQA)の知覚的品質評価のための,人間の視覚知覚機構に基づく進化的知識伝達を提案する。
PKT-PCQAは、近隣地域の局所的な特徴と、グラフスペクトルから抽出されたグローバルな特徴をマージする。
HVSの特性を考慮すると、空間的およびチャネル的注意機構はPKT-PCQAでも考慮されている。
さらに、PKT-PCQAは、人間の脳の階層的知覚システムにインスパイアされ、粗い品質分類知識をきめ細かな品質予測タスクに変換するために、進歩的な知識伝達を採用する。
3つの大規模および独立点クラウドアセスメントデータセットの実験により、提案された参照PKT-PCQAネットワークは、最先端の完全な参照品質アセスメント手法と比較して同等のパフォーマンスを達成でき、既存の参照品質アセスメントネットワークよりも優れていることが示された。
関連論文リスト
- No-Reference Point Cloud Quality Assessment via Graph Convolutional Network [89.12589881881082]
3次元(3D)ポイントクラウドは、新しいビジュアルメディアフォーマットとして、消費者にますます好まれている。
ポイントクラウドは、必然的に、マルチメディア通信システムによる品質劣化と情報損失に悩まされる。
マルチビュー2次元投影画像の相互依存関係を特徴付けるために,GCN(Graph Convolutional Network)を用いた新しい非参照PCQA手法を提案する。
論文 参考訳（メタデータ） (2024-11-12T11:39:05Z) - LMM-PCQA: Assisting Point Cloud Quality Assessment with LMM [83.98966702271576]
本研究の目的は,大規模マルチモダリティモデル(LMM)に対するポイントクラウド品質評価(PCQA)の知識付与の可能性を検討することである。
品質ラベルを微調整段階のテキスト記述に変換することにより、LMMは点雲の2次元投影から品質評価ロジットを導出することができる。
提案手法の有効性を実証し,PCQAへのLMMの新たな統合を実証した。
論文 参考訳（メタデータ） (2024-04-28T14:47:09Z) - Contrastive Pre-Training with Multi-View Fusion for No-Reference Point Cloud Quality Assessment [49.36799270585947]
No-Reference Point Cloud Quality Assessment (NR-PCQA) は、歪んだ点雲の知覚的品質を、参照なしで自動的に評価することを目的としている。
我々は,PCQA(CoPA)に適した新しいコントラスト付き事前学習フレームワークを提案する。
提案手法は,最新のPCQA手法よりも高い性能を示す。
論文 参考訳（メタデータ） (2024-03-15T07:16:07Z) - Simple Baselines for Projection-based Full-reference and No-reference
Point Cloud Quality Assessment [60.2709006613171]
投影型ポイントクラウド品質評価(PCQA)のための簡易ベースラインを提案する。
我々は、全参照(FR)タスクと非参照(NR)PCQAタスクの両方に対して、点雲から共通立方体状の投影プロセスによって得られる多重射影を用いる。
ICIP 2023 PCVQA Challengeに参加して,5トラック中4トラックで首位を獲得した。
論文 参考訳（メタデータ） (2023-10-26T04:42:57Z) - No-Reference Point Cloud Quality Assessment via Weighted Patch Quality
Prediction [19.128878108831287]
地域相関分析機能を備えた非参照点雲質評価法(NR-PCQA)を提案する。
具体的には、ポイントクラウドをパッチに分割し、各パッチのテクスチャと構造機能を生成し、パッチ品質を予測するためにそれらをパッチ機能に融合させました。
実験の結果,提案手法はNR-PCQA法よりも優れていた。
論文 参考訳（メタデータ） (2023-05-13T03:20:33Z) - Reduced-Reference Quality Assessment of Point Clouds via
Content-Oriented Saliency Projection [17.983188216548005]
多くの高密度な3Dポイントクラウドは、従来の画像やビデオではなく、視覚オブジェクトを表現するために利用されてきた。
本稿では, 点雲に対する新しい, 効率的な還元参照品質指標を提案する。
論文 参考訳（メタデータ） (2023-01-18T18:00:29Z) - Point Cloud Quality Assessment using 3D Saliency Maps [37.290843791053256]
そこで本研究では,品質予測の容易化を目的として,実効的な完全参照PCQA指標を提案する。
具体的には、まず、点雲の幾何学的特性をよりよく反映する深度情報を導入し、プロジェクションに基づく点雲塩分濃度マップ生成法を提案する。
最後に、最終的な品質スコアを生成するために、サリエンシに基づくプーリング戦略を提案する。
論文 参考訳（メタデータ） (2022-09-30T13:59:09Z) - Blind Quality Assessment of 3D Dense Point Clouds with Structure Guided
Resampling [71.68672977990403]
本研究では,3次元高密度点雲の知覚的視覚的品質を自動評価するために,Structure Guided Resampling (SGR) を用いた客観的点雲品質指標を提案する。
提案するSGRは,参照情報の不要な汎用ブラインド品質評価手法である。
論文 参考訳（メタデータ） (2022-08-31T02:42:55Z) - 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) - No-Reference Point Cloud Quality Assessment via Domain Adaptation [31.280188860021248]
本稿では,3次元点雲に対する画像伝達点雲品質評価(IT-PCQA)の新たな非参照品質評価指標を提案する。
特に,自然画像をソース領域として,点雲を対象領域として扱うとともに,教師なしの敵領域適応により点雲の品質を推定する。
実験結果から,提案手法は従来のノン参照指標よりも高い性能が得られることが示された。
論文 参考訳（メタデータ） (2021-12-06T08:20:40Z)
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。