Fugu-MT 論文翻訳(概要): PIQI: Perceptual Image Quality Index based on Ensemble of Gaussian Process Regression

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

Fine-grained subjective visual quality assessment for high-fidelity compressed images [4.787528476079247]
JPEG標準化プロジェクトであるAICは、高忠実度画像に対する主観的な画質評価手法を開発している。本稿では,提案手法,高品質な圧縮画像のデータセット,およびそれに対応するクラウドソースによる視覚的品質評価について述べる。また、単に目立った差分(JND)単位で品質スケールの値を再構築するデータ分析のアプローチも概説している。
論文参考訳（メタデータ） (2024-10-12T11:37:19Z)
Adaptive Image Quality Assessment via Teaching Large Multimodal Model to Compare [99.57567498494448]
我々はLMMに基づくノン参照IQAモデルであるCompare2Scoreを紹介する。トレーニング中、同じIQAデータセットの画像を比較することで、スケールアップ比較命令を生成する。 9つのIQAデータセットの実験により、Compare2Scoreは、トレーニング中にテキスト定義の比較レベルを効果的にブリッジすることを確認した。
論文参考訳（メタデータ） (2024-05-29T17:26:09Z)
Dual-Branch Network for Portrait Image Quality Assessment [76.27716058987251]
ポートレート画像品質評価のためのデュアルブランチネットワーク(PIQA)を提案する。我々は2つのバックボーンネットワーク(textiti.e., Swin Transformer-B)を使用して、肖像画全体と顔画像から高品質な特徴を抽出する。我々は、画像シーンの分類と品質評価モデルであるLIQEを利用して、品質認識とシーン固有の特徴を補助的特徴として捉えている。
論文参考訳（メタデータ） (2024-05-14T12:43:43Z)
Beyond MOS: Subjective Image Quality Score Preprocessing Method Based on Perceptual Similarity [2.290956583394892]
ITU-R BT.500、ITU-T P.910、ITU-T P.913は、当初の世論点をクリアするために標準化されている。 PSPは画像間の知覚的類似性を利用して、より注釈の少ないシナリオにおける主観的バイアスを軽減する。
論文参考訳（メタデータ） (2024-04-30T16:01:14Z)
Pairwise Comparisons Are All You Need [22.798716660911833]
ブラインド画像品質評価(BIQA)アプローチは、様々な画像に一様に適用される一般的な品質基準に依存しているため、現実のシナリオでは不足することが多い。本稿では、従来のBIQAの制限を回避すべく設計されたペアワイズ比較フレームワークであるPICNIQを紹介する。 PICNIQは、サイコメトリックスケーリングアルゴリズムを用いることで、対比較をジャストオブジェクタブルディファレンス(JOD)の品質スコアに変換し、画像品質の粒度と解釈可能な指標を提供する。
論文参考訳（メタデータ） (2024-03-13T23:43:36Z)
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)
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)
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)
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。