論文の概要: Disentangling the Link Between Image Statistics and Human Perception

• arxiv url: http://arxiv.org/abs/2303.09874v1
• Date: Fri, 17 Mar 2023 10:38:27 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-20 15:04:38.968302
• Title: Disentangling the Link Between Image Statistics and Human Perception
• Title（参考訳）: 画像統計と人間の知覚の関連性について
• Authors: Alexander Hepburn, Valero Laparra, Raul Santos-Rodriguez, Jes\'us Malo
• Abstract要約: 我々は、自然画像の確率を評価し、それが知覚感度をどのように決定するかを分析する。 我々は、人間の見解とよく相関する画像品質指標を人間の視覚の代理として採用する。 その結果,ノイズ画像の確率が最も大きな要因であることが判明した。
• 参考スコア（独自算出の注目度）: 64.44661342486434
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In the 1950s Horace Barlow and Fred Attneave suggested a connection between sensory systems and how they are adapted to the environment: early vision evolved to maximise the information it conveys about incoming signals. Following Shannon's definition, this information was described using the probability of the images taken from natural scenes. Previously, direct accurate predictions of image probabilities were not possible due to computational limitations. Despite the exploration of this idea being indirect, mainly based on oversimplified models of the image density or on system design methods, these methods had success in reproducing a wide range of physiological and psychophysical phenomena. In this paper, we directly evaluate the probability of natural images and analyse how it may determine perceptual sensitivity. We employ image quality metrics that correlate well with human opinion as a surrogate of human vision, and an advanced generative model to directly estimate the probability. Specifically, we analyse how the sensitivity of full-reference image quality metrics can be predicted from quantities derived directly from the probability distribution of natural images. First, we compute the mutual information between a wide range of probability surrogates and the sensitivity of the metrics and find that the most influential factor is the probability of the noisy image. Then we explore how these probability surrogates can be combined using a simple model to predict the metric sensitivity, giving an upper bound for the correlation of 0.85 between the model predictions and the actual perceptual sensitivity. Finally, we explore how to combine the probability surrogates using simple expressions, and obtain two functional forms (using one or two surrogates) that can be used to predict the sensitivity of the human visual system given a particular pair of images.
• Abstract（参考訳）: 1950年代、horace barlow と fred attneave は感覚系と環境への適応性との関係を提唱した。 シャノンの定義に従い、この情報は自然シーンから撮影した画像の確率を用いて記述された。 これまでは、計算限界のため、画像確率の直接的正確な予測は不可能であった。 このアイデアは間接的であり、主に画像密度の過度に単純化されたモデルやシステム設計法に基づくものであったが、これらの手法は幅広い生理的・心理学的な現象を再現することに成功した。 本稿では,自然画像の確率を直接評価し,その知覚感度をどう判断するかを解析する。 我々は、人間の視覚の代理として人間の意見とよく相関する画質指標と、確率を直接推定する高度な生成モデルを用いる。 具体的には,自然画像の確率分布から直接求めた量から,フルリファレンス画像品質指標の感度を推定する方法について分析する。 まず,幅広い確率サーロゲート間の相互情報と測定値の感度を算出し,ノイズ画像の確率が最も影響する要因であることを示す。 次に、これらの確率代理を単純なモデルを用いて組み合わせて計量感度を予測し、モデル予測と実際の知覚感度との相関関係を0.85の上限とする。 最後に,単純な表現を用いて確率サロゲートを組み合わせる方法について検討し,特定の画像から人間の視覚系の感度を予測できる2つの機能形式(1つまたは2つのサロゲート)を得る。

関連論文リスト

• Inverse decision-making using neural amortized Bayesian actors [19.128377007314317]
  我々は、教師なしの方法で幅広いパラメータ設定で訓練されたニューラルネットワークを用いてベイズアクターを記憶する。 本稿では,本手法がモデル比較の原理と,先行とコストの識別不能につながる要因を解消するためにどのように使用できるかを示す。
  論文  参考訳（メタデータ） (2024-09-04T10:31:35Z)
• Estimating Causal Effects from Learned Causal Networks [56.14597641617531]
  本稿では、離散可観測変数に対する因果影響クエリに応答する代替パラダイムを提案する。 観測データから直接因果ベイズネットワークとその共起潜伏変数を学習する。 本手法は, 推定手法よりも有効であることを示す。
  論文  参考訳（メタデータ） (2024-08-26T08:39:09Z)
• Trust Your Gut: Comparing Human and Machine Inference from Noisy Visualizations [7.305342793164905]
  人間の直観が理想的な統計的合理性を超えたシナリオを考察する。 その結果,合理性から外れた場合でも,可視化に対するアナリストの反応が有利である可能性が示唆された。
  論文  参考訳（メタデータ） (2024-07-23T22:39:57Z)
• Likelihood Based Inference in Fully and Partially Observed Exponential Family Graphical Models with Intractable Normalizing Constants [4.532043501030714]
  マルコフ確率場を符号化する確率的グラフィカルモデルは、生成的モデリングの基本的な構成要素である。 本稿では,これらのモデルの全確率に基づく解析が,計算効率のよい方法で実現可能であることを示す。
  論文  参考訳（メタデータ） (2024-04-27T02:58:22Z)
• Likelihood-Based Methods Improve Parameter Estimation in Opinion Dynamics Models [6.138671548064356]
  エージェント・ベース・モデル(ABM)におけるパラメータ推定の最大解法は、典型的なシミュレーション・ベース・アプローチよりも優れていることを示す。 対照的に、確率に基づくアプローチは、統計的に原理化された方法で未知のパラメータを観測データに接続する確率関数を導出する。 実験の結果,最大推定値の精度は最大4倍に向上し,計算時間を最大200倍に短縮できることがわかった。
  論文  参考訳（メタデータ） (2023-10-04T12:29:37Z)
• Bias in Pruned Vision Models: In-Depth Analysis and Countermeasures [93.17009514112702]
  ニューラルネットワークのパラメータのかなりの部分集合をゼロに設定するプルーニングは、モデル圧縮の最も一般的な方法の1つである。 この現象の既存の証拠にもかかわらず、ニューラルネットワークのプルーニングと誘導バイアスの関係はよく理解されていない。
  論文  参考訳（メタデータ） (2023-04-25T07:42:06Z)
• Bayesian Networks for the robust and unbiased prediction of depression and its symptoms utilizing speech and multimodal data [65.28160163774274]
  我々は,抑うつ,抑うつ症状,および,胸腺で収集された音声,表情,認知ゲームデータから得られる特徴の関連性を把握するためにベイズ的枠組みを適用した。
  論文  参考訳（メタデータ） (2022-11-09T14:48:13Z)
• Estimation of Bivariate Structural Causal Models by Variational Gaussian Process Regression Under Likelihoods Parametrised by Normalising Flows [74.85071867225533]
  因果機構は構造因果モデルによって記述できる。 最先端の人工知能の大きな欠点の1つは、説明責任の欠如である。
  論文  参考訳（メタデータ） (2021-09-06T14:52:58Z)
• A General Framework for Survival Analysis and Multi-State Modelling [70.31153478610229]
  ニューラル常微分方程式を多状態生存モデル推定のためのフレキシブルで一般的な方法として用いる。 また,本モデルでは,サバイバルデータセット上での最先端性能を示すとともに,マルチステート環境での有効性を示す。
  論文  参考訳（メタデータ） (2020-06-08T19:24:54Z)

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。