論文の概要: Applicability limitations of differentiable full-reference image-quality

• arxiv url: http://arxiv.org/abs/2212.05499v1
• Date: Sun, 11 Dec 2022 13:15:06 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-13 18:34:59.286258
• Title: Applicability limitations of differentiable full-reference image-quality
• Title（参考訳）: 可変フル参照画像品質の適用性制限
• Authors: Siniukov Maksim, Dmitriy Kulikov and Dmitriy Vatolin
• Abstract要約: 圧縮前の画像前処理は, DisTS, LPIPS, HaarPSI, VIFによって提供される品質スコアを人工的に向上させることを示す。 前処理した画像の主観的な比較では、調査した指標の大半において、視覚的品質の低下や維持は変わらないことがわかった。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Subjective image-quality measurement plays a critical role in the development of image-processing applications. The purpose of a visual-quality metric is to approximate the results of subjective assessment. In this regard, more and more metrics are under development, but little research has considered their limitations. This paper addresses that deficiency: we show how image preprocessing before compression can artificially increase the quality scores provided by the popular metrics DISTS, LPIPS, HaarPSI, and VIF as well as how these scores are inconsistent with subjective-quality scores. We propose a series of neural-network preprocessing models that increase DISTS by up to 34.5%, LPIPS by up to 36.8%, VIF by up to 98.0%, and HaarPSI by up to 22.6% in the case of JPEG-compressed images. A subjective comparison of preprocessed images showed that for most of the metrics we examined, visual quality drops or stays unchanged, limiting the applicability of these metrics.
• Abstract（参考訳）: 主観的画像品質測定は画像処理アプリケーションの開発において重要な役割を果たす。 視覚品質指標の目的は主観評価の結果を近似することである。 この点に関して、より多くのメトリクスが開発中であるが、その限界を考慮した研究はほとんどない。 本稿では, 圧縮前の画像前処理が, DISTS, LPIPS, HaarPSI, VIFによって提供される品質スコアを人工的に向上させることを示すとともに, これらのスコアが主観的品質スコアと矛盾することを示す。 JPEG圧縮画像の場合、DisTSを最大34.5%、LPIPSを最大36.8%、VIFを最大98.0%、HaarPSIを最大22.6%増加させる一連のニューラルネットワーク前処理モデルを提案する。 事前処理した画像の主観的な比較では、調査したほとんどのメトリクスにおいて、視覚的品質の低下や維持は変化せず、これらのメトリクスの適用性が制限された。

関連論文リスト

• Fine-grained subjective visual quality assessment for high-fidelity compressed images [4.787528476079247]
  JPEG標準化プロジェクトであるAICは、高忠実度画像に対する主観的な画質評価手法を開発している。 本稿では,提案手法,高品質な圧縮画像のデータセット,およびそれに対応するクラウドソースによる視覚的品質評価について述べる。 また、単に目立った差分(JND)単位で品質スケールの値を再構築するデータ分析のアプローチも概説している。
  論文  参考訳（メタデータ） (2024-10-12T11:37:19Z)
• Dual-Branch Network for Portrait Image Quality Assessment [76.27716058987251]
  ポートレート画像品質評価のためのデュアルブランチネットワーク(PIQA)を提案する。 我々は2つのバックボーンネットワーク(textiti.e., Swin Transformer-B)を使用して、肖像画全体と顔画像から高品質な特徴を抽出する。 我々は、画像シーンの分類と品質評価モデルであるLIQEを利用して、品質認識とシーン固有の特徴を補助的特徴として捉えている。
  論文  参考訳（メタデータ） (2024-05-14T12:43:43Z)
• Generalized Portrait Quality Assessment [26.8378202089832]
  本稿では,ポートレート品質評価(PQA)に対する学習に基づくアプローチを提案する。 提案手法はPIQ23ベンチマークの広範な実験により検証された。 FHIQAのソースコードは、PIQ23 GitHubリポジトリで公開されている。
  論文  参考訳（メタデータ） (2024-02-14T13:47:18Z)
• Compressed image quality assessment using stacking [4.971244477217376]
  圧縮画像品質評価において、一般化は大きな課題であると見なすことができる。 表示されたIQAには、セマンティック情報と低レベル情報の両方が使われ、人間の視覚システムを予測する。 clic2024の知覚画像チャレンジの品質ベンチマークの精度は79.6%に達した。
  論文  参考訳（メタデータ） (2024-02-01T20:12:26Z)
• Semantic Ensemble Loss and Latent Refinement for High-Fidelity Neural Image Compression [58.618625678054826]
  本研究は、最適な視覚的忠実度のために設計された強化されたニューラル圧縮手法を提案する。 我々は,洗練されたセマンティック・アンサンブル・ロス,シャルボニエ・ロス,知覚的損失,スタイル・ロス,非バイナリ・ディバイザ・ロスを組み込んだモデルを構築した。 実験により,本手法は神経画像圧縮の統計的忠実度を著しく向上させることが示された。
  論文  参考訳（メタデータ） (2024-01-25T08:11:27Z)
• PIQI: Perceptual Image Quality Index based on Ensemble of Gaussian Process Regression [2.9412539021452715]
  デジタル画像の品質を評価するためにPIQI(Perceptual Image Quality Index)を提案する。 PIQIの性能は6つのベンチマークデータベースでチェックされ、12の最先端の手法と比較される。
  論文  参考訳（メタデータ） (2023-05-16T06:44:17Z)
• Conformer and Blind Noisy Students for Improved Image Quality Assessment [80.57006406834466]
  知覚品質評価(IQA)のための学習ベースアプローチは、通常、知覚品質を正確に測定するために歪んだ画像と参照画像の両方を必要とする。 本研究では,変換器を用いた全参照IQAモデルの性能について検討する。 また,全教師モデルから盲人学生モデルへの半教師付き知識蒸留に基づくIQAの手法を提案する。
  論文  参考訳（メタデータ） (2022-04-27T10:21:08Z)
• Measuring Self-Supervised Representation Quality for Downstream Classification using Discriminative Features [56.89813105411331]
  我々は,SimCLR,SwaV,MoCo,BYOL,DINO,SimSiam,VICReg,Barlow Twinsといった最先端の自己教師型モデルの表現空間について検討した。 本稿では,標本が誤分類される可能性を確実に予測できる教師なしスコアである自己監督表現品質スコア(Qスコア)を提案する。 Q-Score正規化による微調整により、SSLモデルの線形探索精度はImageNet-100で5.8%、ImageNet-1Kで3.7%向上する。
  論文  参考訳（メタデータ） (2022-03-03T17:48:23Z)
• Non-Reference Quality Monitoring of Digital Images using Gradient Statistics and Feedforward Neural Networks [0.1657441317977376]
  デジタル画像の品質を評価するために,非参照品質指標を提案する。 提案手法は,提案手法よりも高速で,画像系列の品質評価に利用することができる。
  論文  参考訳（メタデータ） (2021-12-27T20:21:55Z)
• A Comparative Study of Fingerprint Image-Quality Estimation Methods [54.84936551037727]
  画質の悪い画像は、突発的で欠落した特徴をもたらし、システム全体の性能を低下させる。 本稿では,指紋画像品質評価のための既存手法について概説する。 また,指紋画像品質推定アルゴリズムの選定も行った。
  論文  参考訳（メタデータ） (2021-11-14T19:53:12Z)
• 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)

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。