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

• arxiv url: http://arxiv.org/abs/2303.09874v2
• Date: Mon, 2 Oct 2023 09:40:54 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-03 20:10:43.614734
• 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, Ra\'ul Santos-Rodriguez, Jes\'us Malo
• Abstract要約: 1950年代、BarlowとAttneaveは生物学的ビジョンと情報の最大化の関係を仮説づけた。 現状の主観的画像品質指標の感度を利用して, 確率関連因子を組み合わせ, 人間の知覚を予測する方法を示す。
• 参考スコア（独自算出の注目度）: 47.912998421927085
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In the 1950s, Barlow and Attneave hypothesised a link between biological vision and information maximisation. Following Shannon, information was defined using the probability of natural images. A number of physiological and psychophysical phenomena have been derived ever since from principles like info-max, efficient coding, or optimal denoising. However, it remains unclear how this link is expressed in mathematical terms from image probability. First, classical derivations were subjected to strong assumptions on the probability models and on the behaviour of the sensors. Moreover, the direct evaluation of the hypothesis was limited by the inability of the classical image models to deliver accurate estimates of the probability. In this work we directly evaluate image probabilities using an advanced generative model for natural images, and we analyse how probability-related factors can be combined to predict human perception via sensitivity of state-of-the-art subjective image quality metrics. We use information theory and regression analysis to find a combination of just two probability-related factors that achieves 0.8 correlation with subjective metrics. This probability-based sensitivity is psychophysically validated by reproducing the basic trends of the Contrast Sensitivity Function, its suprathreshold variation, and trends of the Weber-law and masking.
• Abstract（参考訳）: 1950年代、BarlowとAttneaveは生物学的ビジョンと情報の最大化の関係を仮説づけた。 シャノンの後、自然画像の確率を用いて情報を定義する。 多くの生理的・精神物理学的現象は、インフォマックス、効率的なコーディング、最適デノイジングといった原理から導かれてきた。 しかし、このリンクが画像の確率から数学的にどのように表現されるかは定かではない。 まず, 古典的導出は, 確率モデルとセンサの挙動に強い仮定を課した。 さらに, 仮説の直接評価は, 確率の正確な推定を行うために, 古典的画像モデルの不可能性によって制限された。 本研究では, 自然画像の高度な生成モデルを用いて画像の確率を直接評価し, 現状の主観的画像品質指標の感度を通じて, 確率関連因子を組み合わせて人間の知覚を予測する方法について分析する。 我々は情報理論と回帰分析を用いて主観的指標との0.8相関を達成する2つの確率関連因子の組合せを求める。 この確率に基づく感度は、コントラスト感度関数の基本的な傾向、その超越的な変動、ウェバーローとマスキングの傾向を再現して心理物理学的に検証される。

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。