論文の概要: Regression-free Blind Image Quality Assessment with Content-Distortion Consistency

• arxiv url: http://arxiv.org/abs/2307.09279v2
• Date: Sat, 21 Oct 2023 07:50:38 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-25 08:08:48.249054
• Title: Regression-free Blind Image Quality Assessment with Content-Distortion Consistency
• Title（参考訳）: content-distortion consistencyを用いた無回帰ブラインド画像品質評価
• Authors: Xiaoqi Wang, Jian Xiong, Hao Gao, and Weisi Lin
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 42.683300312253884
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The optimization objective of regression-based blind image quality assessment (IQA) models is to minimize the mean prediction error across the training dataset, which can lead to biased parameter estimation due to potential training data biases. To mitigate this issue, we propose a regression-free framework for image quality evaluation, which is based upon retrieving locally similar instances by incorporating semantic and distortion feature spaces. The approach is motivated by the observation that the human visual system (HVS) exhibits analogous perceptual responses to semantically similar image contents impaired by identical distortions, which we term as content-distortion consistency. The proposed method constructs a hierarchical k-nearest neighbor (k-NN) algorithm for instance retrieval through two classification modules: semantic classification (SC) module and distortion classification (DC) module. Given a test image and an IQA database, the SC module retrieves multiple pristine images semantically similar to the test image. The DC module then retrieves instances based on distortion similarity from the distorted images that correspond to each retrieved pristine image. Finally, quality prediction is obtained by aggregating the subjective scores of the retrieved instances. Without training on subjective quality scores, the proposed regression-free method achieves competitive, even superior performance compared to state-of-the-art regression-based methods on authentic and synthetic distortion IQA benchmarks.
• Abstract（参考訳）: 回帰ベースブラインド画像品質評価(iqa)モデルの最適化の目的は、トレーニングデータセット全体の平均予測誤差を最小化し、潜在的なトレーニングデータバイアスによるバイアス付きパラメータ推定を可能にすることである。 この問題を軽減するために,画像品質評価のための回帰フリーなフレームワークを提案する。 この手法は、人間の視覚系(HVS)が、同一の歪みによって損なわれる意味論的に類似した画像内容に対して、類似した知覚応答を示すという観察から導かれる。 提案手法は,2つの分類モジュール (意味分類 (SC) モジュールと歪み分類 (DC) モジュール) を通して, 階層的なk-nearest 隣人 (k-NN) アルゴリズムを構築する。 テスト画像とIQAデータベースが与えられた後、SCモジュールはテスト画像とセマンティックに類似した複数のプリスタン画像を検索する。 そして、DCモジュールは、各検索したプリスタン画像に対応する歪画像から歪み類似性に基づいてインスタンスを検索する。 最後に、検索したインスタンスの主観的なスコアを集計して品質予測を行う。 主観的品質スコアのトレーニングを伴わず、提案手法は、正・合成歪みIQAベンチマークにおける最先端の回帰に基づく手法と比較して、競合的かつ優れた性能を実現する。

関連論文リスト

• Attention Down-Sampling Transformer, Relative Ranking and Self-Consistency for Blind Image Quality Assessment [17.04649536069553]
  非参照画像品質評価は、元の参照なしで画像品質を推定する難しい領域である。 変換器エンコーダとCNNを用いて,画像から局所的および非局所的情報を抽出する機構を改良した。 非参照画像品質評価(NR-IQA)モデルの劣化に対処し,自己超越に対する自己整合性アプローチを提案する。
  論文  参考訳（メタデータ） (2024-09-11T09:08:43Z)
• 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)
• Contrastive Pre-Training with Multi-View Fusion for No-Reference Point Cloud Quality Assessment [49.36799270585947]
  No-Reference Point Cloud Quality Assessment (NR-PCQA) は、歪んだ点雲の知覚的品質を、参照なしで自動的に評価することを目的としている。 我々は,PCQA(CoPA)に適した新しいコントラスト付き事前学習フレームワークを提案する。 提案手法は,最新のPCQA手法よりも高い性能を示す。
  論文  参考訳（メタデータ） (2024-03-15T07:16:07Z)
• Benchmark Generation Framework with Customizable Distortions for Image Classifier Robustness [4.339574774938128]
  本稿では,画像分類モデルのロバスト性を評価するために,逆ベンチマークを生成する新しいフレームワークを提案する。 当社のフレームワークでは,画像に最適な歪みの種類をカスタマイズすることが可能で,デプロイメントに関連する歪みに対処する上で有効である。
  論文  参考訳（メタデータ） (2023-10-28T07:40:42Z)
• 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)
• CONVIQT: Contrastive Video Quality Estimator [63.749184706461826]
  知覚ビデオ品質評価(VQA)は、多くのストリーミングおよびビデオ共有プラットフォームにおいて不可欠な要素である。 本稿では,視覚的に関連のある映像品質表現を自己指導的に学習する問題について考察する。 本研究は, 自己教師型学習を用いて, 知覚力による説得力のある表現が得られることを示す。
  論文  参考訳（メタデータ） (2022-06-29T15:22:01Z)
• Paired Image-to-Image Translation Quality Assessment Using Multi-Method Fusion [0.0]
  本稿では,画像品質の信号のペア化と変換を併用して,後者の類似性と仮説的基底真理を推定する手法を提案する。 我々は,深部画像構造とテクスチャ類似性(DISTS)を予測するために,勾配型回帰器のアンサンブルを用いたマルチメソッドフュージョン(MMF)モデルを訓練した。 分析の結果,測定時間と予測精度の間にトレードオフが生じ,特徴制約を課すことが判明した。
  論文  参考訳（メタデータ） (2022-05-09T11:05:15Z)
• Treatment Learning Causal Transformer for Noisy Image Classification [62.639851972495094]
  本研究では,この2値情報「ノイズの存在」を画像分類タスクに組み込んで予測精度を向上させる。 因果的変動推定から動機付け,雑音画像分類のための頑健な特徴表現を潜在生成モデルを用いて推定するトランスフォーマーに基づくアーキテクチャを提案する。 また、パフォーマンスベンチマークのための幅広いノイズ要素を取り入れた、新しいノイズの多い画像データセットも作成する。
  論文  参考訳（メタデータ） (2022-03-29T13:07:53Z)
• 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)
• 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。