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

• arxiv url: http://arxiv.org/abs/2303.09874v3
• Date: Thu, 5 Oct 2023 14:06:32 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-06 11:21:23.395097
• 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

• 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。