論文の概要: PIQI: Perceptual Image Quality Index based on Ensemble of Gaussian
Process Regression
- arxiv url: http://arxiv.org/abs/2305.09214v1
- Date: Tue, 16 May 2023 06:44:17 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-17 16:05:43.800812
- Title: PIQI: Perceptual Image Quality Index based on Ensemble of Gaussian
Process Regression
- Title(参考訳): PIQI:ガウス過程回帰のアンサンブルに基づく知覚画像品質指標
- Authors: Nisar Ahmed, Hafiz Muhammad Shahzad Asif, and Hassan Khalid
- Abstract要約: デジタル画像の品質を評価するためにPIQI(Perceptual Image Quality Index)を提案する。
PIQIの性能は6つのベンチマークデータベースでチェックされ、12の最先端の手法と比較される。
- 参考スコア(独自算出の注目度): 2.9412539021452715
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Digital images contain a lot of redundancies, therefore, compression
techniques are applied to reduce the image size without loss of reasonable
image quality. Same become more prominent in the case of videos which contains
image sequences and higher compression ratios are achieved in low throughput
networks. Assessment of quality of images in such scenarios has become of
particular interest. Subjective evaluation in most of the scenarios is
infeasible so objective evaluation is preferred. Among the three objective
quality measures, full-reference and reduced-reference methods require an
original image in some form to calculate the image quality which is unfeasible
in scenarios such as broadcasting, acquisition or enhancement. Therefore, a
no-reference Perceptual Image Quality Index (PIQI) is proposed in this paper to
assess the quality of digital images which calculates luminance and gradient
statistics along with mean subtracted contrast normalized products in multiple
scales and color spaces. These extracted features are provided to a stacked
ensemble of Gaussian Process Regression (GPR) to perform the perceptual quality
evaluation. The performance of the PIQI is checked on six benchmark databases
and compared with twelve state-of-the-art methods and competitive results are
achieved. The comparison is made based on RMSE, Pearson and Spearman
correlation coefficients between ground truth and predicted quality scores. The
scores of 0.0552, 0.9802 and 0.9776 are achieved respectively for these metrics
on CSIQ database. Two cross-dataset evaluation experiments are performed to
check the generalization of PIQI.
- Abstract(参考訳): デジタル画像には多くの冗長性が含まれているため、画像品質を損なうことなく画像サイズを小さくするために圧縮技術が適用される。
画像シーケンスを含むビデオの場合も同様に顕著になり、低スループットネットワークで高い圧縮率を達成する。
このようなシナリオにおける画像の品質評価は特に注目されている。
ほとんどのシナリオにおける主観評価は不可能であり、客観的評価が望ましい。
3つの客観的品質尺度のうち、全参照法と縮小参照法は、放送、取得、拡張といったシナリオでは実現不可能な画質を計算するために、何らかの形で原画像を必要とする。
そこで本稿では,光度と勾配の統計量を計算するデジタル画像の品質と,複数のスケールおよび色空間における平均減算されたコントラスト正規化製品を評価するために,非参照知覚画像品質指標(PIQI)を提案する。
これらの抽出された特徴は、ガウス過程回帰(GPR)の積み重ねアンサンブルに提供され、知覚的品質評価を行う。
PIQIの性能は6つのベンチマークデータベースでチェックされ、12の最先端手法と競合する結果が得られる。
この比較は, RMSE, Pearson, Spearmanの相関係数と予測された品質スコアに基づいて行われる。
csiqデータベース上でそれぞれ0.0552, 0.9802, 0.9776のスコアが得られる。
PIQIの一般化を確認するために,2つのクロスデータセット評価実験を行った。
関連論文リスト
- Comparison of No-Reference Image Quality Models via MAP Estimation in
Diffusion Latents [99.19391983670569]
NR-IQAモデルは、画像強調のための最大後部推定(MAP)フレームワークにプラグイン可能であることを示す。
異なるNR-IQAモデルは異なる拡張イメージを誘導し、最終的には精神物理学的なテストを受ける。
これにより, NR-IQAモデルの比較を行う新たな計算手法が提案される。
論文 参考訳(メタデータ) (2024-03-11T03:35:41Z) - Compressed image quality assessment using stacking [4.971244477217376]
圧縮画像品質評価において、一般化は大きな課題であると見なすことができる。
表示されたIQAには、セマンティック情報と低レベル情報の両方が使われ、人間の視覚システムを予測する。
clic2024の知覚画像チャレンジの品質ベンチマークの精度は79.6%に達した。
論文 参考訳(メタデータ) (2024-02-01T20:12:26Z) - ARNIQA: Learning Distortion Manifold for Image Quality Assessment [28.773037051085318]
No-Reference Image Quality Assessment (NR-IQA) は、高品質な参照画像を必要としない、人間の知覚に合わせて画像品質を測定する手法を開発することを目的としている。
本研究では、画像歪み多様体をモデル化し、本質的な表現を得るための自己教師型アプローチ ARNIQA を提案する。
論文 参考訳(メタデータ) (2023-10-20T17:22:25Z) - Regression-free Blind Image Quality Assessment with Content-Distortion
Consistency [42.683300312253884]
画像品質評価のための回帰フリーフレームワークを提案する。
これは、セマンティックな特徴空間と歪みのある特徴空間を組み込むことで、局所的に類似したインスタンスを検索することに基づいている。
提案手法は, 最先端の回帰に基づく手法と比較して, 競争力や性能に優れる。
論文 参考訳(メタデータ) (2023-07-18T14:19:28Z) - Full-Reference Calibration-Free Image Quality Assessment [2.5782420501870287]
フルリファレンス(FR)技術は、キャリブレーションを使わずに、人間のスコアと線形に相関する推定値を提供する。
その結果、キャリブレーションのないFR IQA法は、異なる画像システムと異なるVDとの相互運用性が重要な要件であるアプリケーションに適している。
論文 参考訳(メタデータ) (2022-05-24T15:06:35Z) - Non-Reference Quality Monitoring of Digital Images using Gradient
Statistics and Feedforward Neural Networks [0.1657441317977376]
デジタル画像の品質を評価するために,非参照品質指標を提案する。
提案手法は,提案手法よりも高速で,画像系列の品質評価に利用することができる。
論文 参考訳(メタデータ) (2021-12-27T20:21:55Z) - Palette: Image-to-Image Diffusion Models [50.268441533631176]
我々は条件付き拡散モデルを用いた画像から画像への変換のためのシンプルで一般的なフレームワークであるPaletteを紹介する。
4つの困難な画像から画像への変換タスクにおいて、Paletteは強力なGANと回帰ベースラインを上回っている。
本稿では、FID、インセプションスコア、事前訓練されたResNet-50の分類精度、参照画像に対する知覚距離などのサンプル品質スコアについて報告する。
論文 参考訳(メタデータ) (2021-11-10T17:49:29Z) - Image Quality Assessment using Contrastive Learning [50.265638572116984]
我々は、補助的な問題を解決するために、対照的な対の目的を用いて深層畳み込みニューラルネットワーク(CNN)を訓練する。
本研究では,最新のNR画像品質モデルと比較して,ContriQUEが競争性能を向上することを示す。
以上の結果から,大きなラベル付き主観的画像品質データセットを必要とせずに,知覚的関連性を持つ強力な品質表現が得られることが示唆された。
論文 参考訳(メタデータ) (2021-10-25T21:01:00Z) - Learning Conditional Knowledge Distillation for Degraded-Reference Image
Quality Assessment [157.1292674649519]
劣化参照IQA(DR-IQA)という実用的な解を提案する。
DR-IQAはIRモデルの入力、劣化したイメージを参照として利用する。
私たちの結果は、フル参照設定のパフォーマンスに近いものもあります。
論文 参考訳(メタデータ) (2021-08-18T02:35:08Z) - Reduced Reference Perceptual Quality Model and Application to Rate
Control for 3D Point Cloud Compression [61.110938359555895]
レート歪み最適化では、ビットレートの制約を受ける再構成品質尺度を最大化してエンコーダ設定を決定する。
本稿では,V-PCC幾何および色量化パラメータを変数とする線形知覚品質モデルを提案する。
400個の圧縮された3D点雲による主観的品質試験の結果,提案モデルが平均評価値とよく相関していることが示唆された。
また、同じ目標ビットレートに対して、提案モデルに基づくレート歪みの最適化は、ポイント・ツー・ポイントの客観的な品質指標による徹底的な探索に基づくレート歪みの最適化よりも高い知覚品質を提供することを示した。
論文 参考訳(メタデータ) (2020-11-25T12:42:02Z) - Uncertainty-Aware Blind Image Quality Assessment in the Laboratory and
Wild [98.48284827503409]
我々は,テキスト化BIQAモデルを開発し,それを合成的および現実的歪みの両方で訓練するアプローチを提案する。
我々は、多数の画像ペアに対してBIQAのためのディープニューラルネットワークを最適化するために、忠実度損失を用いる。
6つのIQAデータベースの実験は、実験室と野生動物における画像品質を盲目的に評価する学習手法の可能性を示唆している。
論文 参考訳(メタデータ) (2020-05-28T13:35:23Z)
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。