論文の概要: FS-BAND: A Frequency-Sensitive Banding Detector

• arxiv url: http://arxiv.org/abs/2311.18216v1
• Date: Thu, 30 Nov 2023 03:20:42 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-01 18:04:01.086626
• Title: FS-BAND: A Frequency-Sensitive Banding Detector
• Title（参考訳）: FS-BAND:周波数感度バンド検出器
• Authors: Zijian Chen, Wei Sun, Zicheng Zhang, Ru Huang, Fangfang Lu, Xiongkuo Min, Guangtao Zhai, Wenjun Zhang
• Abstract要約: バンディング・アーティファクト(Banding artifact)は、階段のような輪郭(contour)として知られ、圧縮や伝達などで発生する一般的な品質の不快さである。 周波数感度バンディング検出器 (FS-BAND) と呼ばれる,帯状アーティファクトを捕捉・評価するための非参照帯状検出モデルを提案する。 実験結果から,FS-BAND法は画像品質評価(IQA)手法よりもバンドリング分類タスクの精度が高い結果を得た。
• 参考スコア（独自算出の注目度）: 55.59101150019851
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Banding artifact, as known as staircase-like contour, is a common quality annoyance that happens in compression, transmission, etc. scenarios, which largely affects the user's quality of experience (QoE). The banding distortion typically appears as relatively small pixel-wise variations in smooth backgrounds, which is difficult to analyze in the spatial domain but easily reflected in the frequency domain. In this paper, we thereby study the banding artifact from the frequency aspect and propose a no-reference banding detection model to capture and evaluate banding artifacts, called the Frequency-Sensitive BANding Detector (FS-BAND). The proposed detector is able to generate a pixel-wise banding map with a perception correlated quality score. Experimental results show that the proposed FS-BAND method outperforms state-of-the-art image quality assessment (IQA) approaches with higher accuracy in banding classification task.
• Abstract（参考訳）: バンディングアーティファクト(Banding artifact)は、階段のような輪郭(case-like contour)として知られ、圧縮や送信などのシナリオで発生する一般的な品質の不快さであり、ユーザ体験の質(QoE)に大きく影響する。 バンドリング歪みは通常、スムーズな背景において比較的小さなピクセル単位の変動として現れるが、空間領域では解析が困難であるが周波数領域では容易に反映される。 そこで本研究では,周波数特性からバンドングアーチファクトを解析し,周波数感受性バンドング検出器(fs-band)と呼ばれるバンドングアーティファクトを捕捉・評価するための非参照バンドング検出モデルを提案する。 提案する検出器は、知覚相関品質スコアを有する画素毎のバンディングマップを生成することができる。 実験結果から,FS-BAND法は画像品質評価(IQA)手法よりもバンドリング分類タスクの精度が高い結果を得た。

関連論文リスト

• Detecting Inpainted Video with Frequency Domain Insights [0.0]
  本稿では、検出精度を大幅に向上させる周波数領域洞察ネットワーク(FDIN)を提案する。 公開データセットに対する以前の評価は、FDINが最先端のパフォーマンスを達成することを示している。
  論文  参考訳（メタデータ） (2024-09-21T01:51:07Z)
• Frequency-Aware Deepfake Detection: Improving Generalizability through Frequency Space Learning [81.98675881423131]
  この研究は、目に見えないディープフェイク画像を効果的に識別できるユニバーサルディープフェイク検出器を開発するという課題に対処する。 既存の周波数ベースのパラダイムは、偽造検出のためにGANパイプラインのアップサンプリング中に導入された周波数レベルのアーティファクトに依存している。 本稿では、周波数領域学習を中心にしたFreqNetと呼ばれる新しい周波数認識手法を導入し、ディープフェイク検出器の一般化性を高めることを目的とする。
  論文  参考訳（メタデータ） (2024-03-12T01:28:00Z)
• BAND-2k: Banding Artifact Noticeable Database for Banding Detection and Quality Assessment [52.1640725073183]
  バンディングは階段のような輪郭としても知られ、圧縮または量子化アルゴリズムによって処理された画像やビデオの平坦な領域で頻繁に発生する。 これまでに2000枚のバンド化画像からなるBanding Artifact Noticeable Database (BAND-2k) という,最大のBanding IQAデータベースを構築した。 デュアル畳み込みニューラルネットワークを用いて、高周波および低周波マップから特徴表現を同時に学習する。
  論文  参考訳（メタデータ） (2023-11-29T15:56:31Z)
• High Dynamic Range Image Quality Assessment Based on Frequency Disparity [78.36555631446448]
  高ダイナミックレンジ(HDR)画像に対する周波数差に基づく画像品質評価(IQA)アルゴリズムを提案する。 提案したLGFMは、最先端HDR IQA法と比較して、主観的知覚との整合性が高い。
  論文  参考訳（メタデータ） (2022-09-06T08:22:13Z)
• Adaptive Frequency Learning in Two-branch Face Forgery Detection [66.91715092251258]
  本稿では、AFDと呼ばれる2分岐検出フレームワークにおいて、周波数情報を適応的に学習する手法を提案する。 我々は、固定周波数変換からネットワークを解放し、データおよびタスク依存の変換層でより良いパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2022-03-27T14:25:52Z)
• Low-Rank Projections of GCNs Laplacian [0.0]
  本研究では,スペクトル操作によるコミュニティ検出のための標準モデルの挙動について検討する。 ノード分類に必要な情報の多くは低周波領域に含まれることを実証的に示す。
  論文  参考訳（メタデータ） (2021-06-04T09:54:26Z)
• Spatial-Phase Shallow Learning: Rethinking Face Forgery Detection in Frequency Domain [88.7339322596758]
  本論文では,空間画像と位相スペクトルを組み合わせ,顔の偽造のアップサンプリング成果をキャプチャするSPSL(Spatial-Phase Shallow Learning)法を提案する。 SPSLは、クロスデータセット評価における最先端性能とマルチクラス分類を実現し、単一データセット評価において同等の結果を得ることができる。
  論文  参考訳（メタデータ） (2021-03-02T16:45:08Z)

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。