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
- 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) - Counterfactual Reasoning with Probabilistic Graphical Models for
Analyzing Socioecological Systems [0.5892638927736115]
因果推論と反事実推論は、データサイエンスにおいて新たな方向に向かっている。
本稿では,未知のクエリをバウンディングするための新しい,最新の手法を提案する。
論文 参考訳（メタデータ） (2024-01-18T16:10:07Z) - Decoding Susceptibility: Modeling Misbelief to Misinformation Through a Computational Approach [61.04606493712002]
誤報に対する感受性は、観測不可能な不検証の主張に対する信念の度合いを記述している。
既存の感受性研究は、自己報告された信念に大きく依存している。
本稿では,ユーザの潜在感受性レベルをモデル化するための計算手法を提案する。
論文 参考訳（メタデータ） (2023-11-16T07:22:56Z) - 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) - From Risk Prediction to Risk Factors Interpretation. Comparison of
Neural Networks and Classical Statistics for Dementia Prediction [0.0]
いくつかのリスクファクターに基づいて、D病の発症を調査することを提案する。
古典統計学と人工知能の2つのクラスが利用可能である。
論文 参考訳（メタデータ） (2023-01-17T16:26:17Z) - 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) - Identifying Weight-Variant Latent Causal Models [82.14087963690561]
推移性は潜在因果表現の識別性を阻害する重要な役割を担っている。
いくつかの軽微な仮定の下では、潜伏因果表現が自明な置換とスケーリングまで特定可能であることを示すことができる。
本稿では,その間の因果関係や因果関係を直接学習する構造的caUsAl変分自動エンコーダを提案する。
論文 参考訳（メタデータ） (2022-08-30T11:12:59Z) - Deep Probability Estimation [14.659180336823354]
深層ニューラルネットワークを用いた高次元データからの確率推定について検討する。
この研究の目的は、ディープニューラルネットワークを用いた高次元データからの確率推定を調査することである。
合成データおよび実世界の3つの確率推定タスクにおける既存手法の評価を行った。
論文 参考訳（メタデータ） (2021-11-21T03:55:50Z) - Robust Modeling of Epistemic Mental States [2.867517731896504]
疫病国家は、合意、集中、思慮、確信、関心である。
非線形関係はより一般的であることが判明し、一方、元の顔の特徴から生じる時間的特徴は強度変化と強い相関を示す。
本稿では, 顔の特徴と非線形関係のスコアを入力として捉え, ビデオ中の異なるてんかん状態を予測する新しい予測フレームワークを提案する。
論文 参考訳（メタデータ） (2020-05-28T13:34:45Z)
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。