論文の概要: Apples and Oranges? Assessing Image Quality over Content Recognition
- arxiv url: http://arxiv.org/abs/2301.09190v1
- Date: Sun, 22 Jan 2023 19:51:22 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-24 14:37:42.690254
- Title: Apples and Oranges? Assessing Image Quality over Content Recognition
- Title(参考訳): リンゴとオレンジ?
コンテンツ認識による画質評価
- Authors: Junyong You
- Abstract要約: 本稿では,2つのタスクがマルチタスク学習方式で実行可能であるかを検討する。
視覚的注意とコントラスト感度のメカニズムをシミュレートするために,逐次的空間チャネルアテンションモジュールを提案する。
実験により,提案した一様モデルが品質評価とコンテンツ認識の両タスクにおいて有望な性能を達成できることが実証された。
- 参考スコア(独自算出の注目度): 5.584060970507507
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Image recognition and quality assessment are two important viewing tasks,
while potentially following different visual mechanisms. This paper
investigates if the two tasks can be performed in a multitask learning manner.
A sequential spatial-channel attention module is proposed to simulate the
visual attention and contrast sensitivity mechanisms that are crucial for
content recognition and quality assessment. Spatial attention is shared between
content recognition and quality assessment, while channel attention is solely
for quality assessment. Such attention module is integrated into Transformer to
build a uniform model for the two viewing tasks. The experimental results have
demonstrated that the proposed uniform model can achieve promising performance
for both quality assessment and content recognition tasks.
- Abstract(参考訳): 画像認識と品質評価は2つの重要な課題であり、異なる視覚メカニズムに従う可能性がある。
本稿では,2つのタスクがマルチタスク学習方式で実行可能であるかを検討する。
コンテンツ認識と品質評価に不可欠な視覚的注意とコントラスト感度のメカニズムをシミュレートするために,逐次的空間チャネルアテンションモジュールを提案する。
空間的注意はコンテンツ認識と品質評価の間で共有され、チャンネルの注意は品質評価専用である。
このような注目モジュールはTransformerに統合され、2つのビュータスクの統一モデルを構築する。
実験により,提案した一様モデルが品質評価とコンテンツ認識の両タスクにおいて有望な性能を達成できることが実証された。
関連論文リスト
- Cross-Image Attention for Zero-Shot Appearance Transfer [68.43651329067393]
画像間の意味的対応を暗黙的に確立するクロスイメージアテンション機構を導入する。
ノイズの多い潜在コードを操作する3つのメカニズムと、デノナイジングプロセスを通してモデルの内部表現を利用する。
実験により,本手法は多種多様な対象カテゴリに対して有効であり,形状,大きさ,視点の変動に頑健であることが示された。
論文 参考訳(メタデータ) (2023-11-06T18:33:24Z) - An Intelligent Remote Sensing Image Quality Inspection System [6.669660893910102]
複数の先進的コンピュータビジョンモデルからなる新しい深層学習型2段階インテリジェントシステムを提案する。
その結果,提案手法は従来の手法よりも優れた性能と効率性を示した。
論文 参考訳(メタデータ) (2023-07-22T02:50:07Z) - Blind Image Quality Assessment Using Multi-Stream Architecture with
Spatial and Channel Attention [2.6361118997136086]
BIQA(Blind Image Quality Assessment)は、画像を自動的に評価する重要な研究分野である。
ほとんどのアルゴリズムは重要な関心領域を強調せずに品質を生成する。
この問題を解決するために,マルチストリーム空間およびチャネルアテンションに基づくアルゴリズムが提案されている。
論文 参考訳(メタデータ) (2023-07-19T09:36:08Z) - Let's ViCE! Mimicking Human Cognitive Behavior in Image Generation
Evaluation [96.74302670358145]
生成/編集された画像と対応するプロンプト/インストラクションの整合性を評価するために,視覚概念評価(ViCE)の自動手法を提案する。
ViCEは、Large Language Models(LLM)とVisual Question Answering(VQA)の強みを統合パイプラインに統合し、品質評価において人間の認知プロセスを再現することを目指している。
論文 参考訳(メタデータ) (2023-07-18T16:33:30Z) - Assessor360: Multi-sequence Network for Blind Omnidirectional Image
Quality Assessment [50.82681686110528]
Blind Omnidirectional Image Quality Assessment (BOIQA)は、全方位画像(ODI)の人間の知覚品質を客観的に評価することを目的としている。
ODIの品質評価は、既存のBOIQAパイプラインがオブザーバのブラウジングプロセスのモデリングを欠いているという事実によって著しく妨げられている。
Assessor360と呼ばれるBOIQAのための新しいマルチシーケンスネットワークを提案する。
論文 参考訳(メタデータ) (2023-05-18T13:55:28Z) - Test your samples jointly: Pseudo-reference for image quality evaluation [3.2634122554914]
品質評価の精度を向上させるため,同じ内容の異なる画像を共同でモデル化することを提案する。
実験の結果,本手法では,同一の新たなコンテンツを示す複数の画像の特徴を組み合わせることができ,評価精度が向上することがわかった。
論文 参考訳(メタデータ) (2023-04-07T17:59:27Z) - Self-Regulated Learning for Egocentric Video Activity Anticipation [147.9783215348252]
自己制御学習(SRL)は、中間表現を連続的に制御し、現在のタイムスタンプのフレームにおける新しい情報を強調する表現を作り出すことを目的としている。
SRLは2つのエゴセントリックなビデオデータセットと2つの第三者のビデオデータセットにおいて、既存の最先端技術よりも大幅に優れています。
論文 参考訳(メタデータ) (2021-11-23T03:29:18Z) - A Multi-task convolutional neural network for blind stereoscopic image
quality assessment using naturalness analysis [9.168683125043936]
本稿では,新しいマルチタスク深層学習手法を用いた視線立体視画像品質評価(NR-SIQA)の問題に対処する。
本稿では,これらの特徴を統合して,畳み込みニューラルネットワークによる参照のない立体画像の品質を推定する。
本手法は,ステレオ画像に適応した自然度解析に基づく特徴量予測と,その品質予測の2つのタスクを主課題とする。
論文 参考訳(メタデータ) (2021-06-17T08:13:51Z) - Object-QA: Towards High Reliable Object Quality Assessment [71.71188284059203]
オブジェクト認識アプリケーションでは、オブジェクトイメージは通常、異なる品質レベルで表示される。
本稿では,オブジェクト画像の信頼性の高い品質スコアを評価するために,Object-QAという効果的手法を提案する。
論文 参考訳(メタデータ) (2020-05-27T01:46:58Z) - Exploring Self-attention for Image Recognition [151.12000247183636]
画像認識における自己注意の2つの形態について考察する。
ひとつは、標準的なドット積の注意を一般化する、ペアワイズな自己注意である。
もう1つはパッチワイドな自己認識であり、畳み込みよりも厳格に強力です。
論文 参考訳(メタデータ) (2020-04-28T16:01:48Z)
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。