Fugu-MT 論文翻訳(概要): Blind Omnidirectional Image Quality Assessment: Integrating Local Statistics and Global Semantics

論文の概要: Blind Omnidirectional Image Quality Assessment: Integrating Local Statistics and Global Semantics

arxiv url: http://arxiv.org/abs/2302.12393v1
Date: Fri, 24 Feb 2023 01:47:13 GMT
ステータス: 処理完了
システム内更新日: 2023-02-27 14:50:07.735874
Title: Blind Omnidirectional Image Quality Assessment: Integrating Local Statistics and Global Semantics
Title（参考訳）: ブラインド全方位画像品質評価 : 局所統計とグローバルセマンティックスの統合
Authors: Wei Zhou and Zhou Wang
Abstract要約: 我々は,低レベル統計量と全方位画像の高レベル意味論のギャップを埋める,S$2$というブラインド/ノン参照OIQA手法を提案する。次に、重み付けプロセスとともに品質回帰を行い、抽出した品質認識特徴を知覚的品質予測にマッピングする。
参考スコア（独自算出の注目度）: 14.586878663223832
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Omnidirectional image quality assessment (OIQA) aims to predict the perceptual quality of omnidirectional images that cover the whole 180$\times$360$^{\circ}$ viewing range of the visual environment. Here we propose a blind/no-reference OIQA method named S$^2$ that bridges the gap between low-level statistics and high-level semantics of omnidirectional images. Specifically, statistic and semantic features are extracted in separate paths from multiple local viewports and the hallucinated global omnidirectional image, respectively. A quality regression along with a weighting process is then followed that maps the extracted quality-aware features to a perceptual quality prediction. Experimental results demonstrate that the proposed S$^2$ method offers highly competitive performance against state-of-the-art methods.
Abstract（参考訳）: 全方位画像品質評価(oiqa)は、視覚環境の180$\times$360$^{\circ}$ビュー範囲をカバーする全方位画像の知覚的品質を予測することを目的としている。本稿では、低レベル統計と全方位画像の高レベル意味論のギャップを埋める、S$^2$というブラインド/ノン参照OIQA法を提案する。具体的には、複数の局所的なビューポートから統計的特徴と意味的特徴をそれぞれ別途抽出し、全方位像を幻視する。次に、重み付けプロセスとともに品質回帰を行い、抽出した品質認識特徴を知覚的品質予測にマッピングする。実験の結果,提案手法は最先端手法と高い競合性を有することがわかった。

関連論文リスト

Multi-Modal Prompt Learning on Blind Image Quality Assessment [65.0676908930946]
画像品質評価(IQA)モデルは意味情報から大きな恩恵を受け、異なる種類のオブジェクトを明瞭に扱うことができる。十分な注釈付きデータが不足している従来の手法では、セマンティックな認識を得るために、CLIPイメージテキスト事前学習モデルをバックボーンとして使用していた。近年のアプローチでは、このミスマッチに即時技術を使って対処する試みがあるが、これらの解決策には欠点がある。本稿では、IQAのための革新的なマルチモーダルプロンプトベースの手法を提案する。
論文参考訳（メタデータ） (2024-04-23T11:45:32Z)
AIGCOIQA2024: Perceptual Quality Assessment of AI Generated Omnidirectional Images [70.42666704072964]
我々はAI生成の全方位画像IQAデータベースAIIGCOIQA2024を構築した。 3つの視点から人間の視覚的嗜好を評価するために、主観的IQA実験を行った。我々は,データベース上での最先端IQAモデルの性能を評価するためのベンチマーク実験を行った。
論文参考訳（メタデータ） (2024-04-01T10:08:23Z)
Adaptive Feature Selection for No-Reference Image Quality Assessment by Mitigating Semantic Noise Sensitivity [55.399230250413986]
上流タスクから有害なセマンティックノイズを除去するためのQFM-IQM(Quality-Aware Feature Matching IQA Metric)を提案する。提案手法は,8つの標準IQAデータセット上での最先端NR-IQA法よりも優れた性能を実現する。
論文参考訳（メタデータ） (2023-12-11T06:50:27Z)
Perceptual Quality Assessment of 360$^\circ$ Images Based on Generative Scanpath Representation [40.00063797833765]
360$circ$画像の品質を効果的に推定するための一意な生成性スキャンパス表現(GSR)を導入する。 GSRは、予め定義された視聴条件下で、多義語利用者の知覚経験を集約する。そこで我々は,高品質マップGSRを学習し,効率的なOIQA計算フレームワークを提案する。
論文参考訳（メタデータ） (2023-09-07T04:10:30Z)
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)
Blind Image Quality Assessment via Vision-Language Correspondence: A Multitask Learning Perspective [93.56647950778357]
ブラインド画像品質評価(BIQA)は、参照情報なしで画像品質の人間の知覚を予測する。我々は,他のタスクからの補助的知識を活用するために,BIQAのための汎用的かつ自動化されたマルチタスク学習手法を開発した。
論文参考訳（メタデータ） (2023-03-27T07:58:09Z)
ST360IQ: No-Reference Omnidirectional Image Quality Assessment with Spherical Vision Transformers [17.48330099000856]
ノン参照360画像品質評価法を提案する。提案手法は,全方位画像の品質と人間の知覚画像品質の相関関係を推定する。
論文参考訳（メタデータ） (2023-03-13T07:48:46Z)
End-to-end deep multi-score model for No-reference stereoscopic image quality assessment [6.254148286968409]
我々は、深層多スコア畳み込みニューラルネットワーク(CNN)を用いて、参照なしで立体画像の品質を推定する。まず、左の視点の質を予測し、次に、左の視点の質を予測し、第3と第4に、ステレオ視点の質とグローバルな品質をそれぞれ予測し、グローバルスコアを究極の品質とする。
論文参考訳（メタデータ） (2022-11-02T16:45:35Z)
DeepWSD: Projecting Degradations in Perceptual Space to Wasserstein Distance in Deep Feature Space [67.07476542850566]
本稿では,統計的分布の観点から知覚空間の品質劣化をモデル化する。品質は、深い特徴領域におけるワッサーシュタイン距離に基づいて測定される。ニューラルネットワークの特徴に基づいて実行されるディープワッサースタイン距離(ディープWSD)は、品質汚染のより良い解釈性をもたらす。
論文参考訳（メタデータ） (2022-08-05T02:46:12Z)
MANIQA: Multi-dimension Attention Network for No-Reference Image Quality Assessment [18.637040004248796]
No-Reference Image Quality Assessment (NR-IQA) は、人間の主観的知覚に応じて画像の知覚品質を評価することを目的としている。既存のNR-IQA法は、GANに基づく歪み画像の正確な品質スコアを予測する必要性を満たすには程遠い。本稿では,非参照画像品質評価(MANIQA)のための多次元注意ネットワークを提案する。
論文参考訳（メタデータ） (2022-04-19T15:56:43Z)
No-Reference Image Quality Assessment by Hallucinating Pristine Features [24.35220427707458]
本稿では,特徴レベルの擬似参照(PR)幻覚を用いた非参照画像品質評価(IQA)手法を提案する。提案手法の有効性を4つのIQAデータベースで実証した。
論文参考訳（メタデータ） (2021-08-09T16:48:34Z)

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。