論文の概要: Image Statistics Predict the Sensitivity of Perceptual Quality Metrics
- arxiv url: http://arxiv.org/abs/2303.09874v4
- Date: Mon, 02 Dec 2024 10:33:19 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-03 16:55:35.135385
- Title: Image Statistics Predict the Sensitivity of Perceptual Quality Metrics
- Title(参考訳): 画像統計は知覚品質指標の感度を予測する
- Authors: Alexander Hepburn, Valero Laparra, Raúl Santos-Rodriguez, Jesús Malo,
- Abstract要約: 画像の確率から、このリンクが数学的にどのように表現されるかは定かではない。
本稿では,自然画像の生成モデルを用いて画像の確率を評価する。
我々は,現在最先端の主観的画像品質指標の感度を予測するために,確率関連因子をどのように組み合わせることができるか分析する。
- 参考スコア(独自算出の注目度): 44.077177515227554
- License:
- Abstract: Previously, Barlow and Attneave hypothesised a link between biological vision and information maximisation. Following Shannon, information was defined using the probability of natural images. Several physiological and psychophysical phenomena have been derived 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. 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 classical image models to deliver accurate estimates of the probability. Here, we directly evaluate image probabilities using a generative model for natural images, and analyse how probability-related factors can be combined to predict the sensitivity of state-of-the-art subjective image quality metrics, a proxy for human perception. We use information theory and regression analysis to find a simple model that when combining just two probability-related factors achieves 0.77 correlation with subjective metrics. This probability-based model is validated in two ways: through direct comparison with the opinion of real observers in a subjective quality experiment, and by reproducing basic trends of classical psychophysical facts such as the Contrast Sensitivity Function, the Weber-law, and contrast masking.
- Abstract(参考訳): 以前は、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を立てていた。
シャノンに続いて、情報は自然画像の確率を用いて定義された。
いくつかの生理学的、精神物理学的な現象は、インフォマックス、効率的な符号化、最適な妄想などの原理から導かれる。
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。
古典的導出は、確率モデルとセンサーの挙動について強い仮定を下された。
さらに、仮説の直接評価は、確率の正確な推定を行うための古典的画像モデルの欠如によって制限された。
本稿では,自然画像の生成モデルを用いて画像の確率を直接評価し,人間の知覚の指標である最先端の主観的画像品質指標の感度を予測するために,確率関連因子をどのように組み合わせるかを解析する。
情報理論と回帰分析を用いて、2つの確率関連因子を組み合わせれば、主観的指標と0.77の相関が得られる簡単なモデルを求める。
この確率に基づくモデルは、主観的品質実験における実観察者の意見と直接比較することによって、コントラスト感度関数、ウェバー法則、コントラストマスキングのような古典的な心理物理学的事実の基本的な傾向を再現することによって、2つの方法で検証される。
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。