論文の概要: Generalized Portrait Quality Assessment
- arxiv url: http://arxiv.org/abs/2402.09178v1
- Date: Wed, 14 Feb 2024 13:47:18 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-15 15:20:34.663944
- Title: Generalized Portrait Quality Assessment
- Title(参考訳): 総合的ポートレート品質評価
- Authors: Nicolas Chahine, Sira Ferradans, Javier Vazquez-Corral, Jean Ponce
- Abstract要約: 本稿では,ポートレート品質評価(PQA)に対する学習に基づくアプローチを提案する。
提案手法はPIQ23ベンチマークの広範な実験により検証された。
FHIQAのソースコードは、PIQ23 GitHubリポジトリで公開されている。
- 参考スコア(独自算出の注目度): 26.8378202089832
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Automated and robust portrait quality assessment (PQA) is of paramount
importance in high-impact applications such as smartphone photography. This
paper presents FHIQA, a learning-based approach to PQA that introduces a simple
but effective quality score rescaling method based on image semantics, to
enhance the precision of fine-grained image quality metrics while ensuring
robust generalization to various scene settings beyond the training dataset.
The proposed approach is validated by extensive experiments on the PIQ23
benchmark and comparisons with the current state of the art. The source code of
FHIQA will be made publicly available on the PIQ23 GitHub repository at
https://github.com/DXOMARK-Research/PIQ2023.
- Abstract(参考訳): PQA(Automated and robust portrait quality Assessment)は、スマートフォン写真などの高インパクトアプリケーションにおいて重要である。
本稿では,PQAの学習的アプローチであるFHIQAについて,画像意味論に基づく簡易かつ効果的な品質スコア再スケーリング手法を提案する。
提案手法はPIQ23ベンチマークの広範な実験により検証され, 現状との比較を行った。
FHIQAのソースコードは、https://github.com/DXOMARK-Research/PIQ2023のPIQ23 GitHubリポジトリで公開されている。
関連論文リスト
- PIQI: Perceptual Image Quality Index based on Ensemble of Gaussian
Process Regression [2.9412539021452715]
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。
論文 参考訳(メタデータ) (2023-05-16T06:44:17Z) - An Image Quality Assessment Dataset for Portraits [0.9786690381850354]
本稿では,PIQ23について紹介する。PIQ23は,100台のスマートフォンが取得した50のシナリオの5116枚の画像からなる,ポートレート固有のIQAデータセットである。
このデータセットには、さまざまな性別や民族の個人が含まれており、公開研究に使用される写真について、明確かつインフォームドな同意を与えている。
これらのアノテーションの詳細な統計解析により、PIQ23上での一貫性を評価することができる。
論文 参考訳(メタデータ) (2023-04-12T11:30:06Z) - Blind Image Quality Assessment via Vision-Language Correspondence: A
Multitask Learning Perspective [93.56647950778357]
ブラインド画像品質評価(BIQA)は、参照情報なしで画像品質の人間の知覚を予測する。
我々は,他のタスクからの補助的知識を活用するために,BIQAのための汎用的かつ自動化されたマルチタスク学習手法を開発した。
論文 参考訳(メタデータ) (2023-03-27T07:58:09Z) - Blind Multimodal Quality Assessment: A Brief Survey and A Case Study of
Low-light Images [73.27643795557778]
ブラインド画像品質評価(BIQA)は、視覚信号の客観的スコアを自動的に正確に予測することを目的としている。
この分野での最近の発展は、ヒトの主観的評価パターンと矛盾しない一助的解によって支配されている。
主観的評価から客観的スコアへの低照度画像の一意なブラインドマルチモーダル品質評価(BMQA)を提案する。
論文 参考訳(メタデータ) (2023-03-18T09:04:55Z) - Evaluating the Stability of Deep Image Quality Assessment With Respect
to Image Scaling [43.291753358414255]
画像品質評価(IQA)は画像処理タスクの基本的な指標である。
本稿では,画像スケールがIQAの性能に影響を及ぼす要因であることを示す。
論文 参考訳(メタデータ) (2022-07-20T12:44:13Z) - 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) - Conformer and Blind Noisy Students for Improved Image Quality Assessment [80.57006406834466]
知覚品質評価(IQA)のための学習ベースアプローチは、通常、知覚品質を正確に測定するために歪んだ画像と参照画像の両方を必要とする。
本研究では,変換器を用いた全参照IQAモデルの性能について検討する。
また,全教師モデルから盲人学生モデルへの半教師付き知識蒸留に基づくIQAの手法を提案する。
論文 参考訳(メタデータ) (2022-04-27T10:21:08Z) - Confusing Image Quality Assessment: Towards Better Augmented Reality
Experience [96.29124666702566]
我々はAR技術を仮想シーンと実シーンの重ね合わせとみなし、視覚的混乱を基本的な理論として紹介する。
ConFusing Image Quality Assessment (CFIQA)データベースが構築され、600個の参照画像と300個の歪画像とをペアに混合して生成する。
また、難解な画像品質をよりよく評価するために、CFIQAと呼ばれる客観的な計量も提案されている。
論文 参考訳(メタデータ) (2022-04-11T07:03:06Z) - No-Reference Image Quality Assessment by Hallucinating Pristine Features [24.35220427707458]
本稿では,特徴レベルの擬似参照(PR)幻覚を用いた非参照画像品質評価(IQA)手法を提案する。
提案手法の有効性を4つのIQAデータベースで実証した。
論文 参考訳(メタデータ) (2021-08-09T16:48:34Z) - Task-Specific Normalization for Continual Learning of Blind Image
Quality Models [105.03239956378465]
視覚的画像品質評価(BIQA)のための簡易かつ効果的な連続学習法を提案する。
このアプローチの重要なステップは、トレーニング済みのディープニューラルネットワーク(DNN)のすべての畳み込みフィルタを凍結して、安定性を明示的に保証することです。
我々は、各新しいIQAデータセット(タスク)に予測ヘッドを割り当て、対応する正規化パラメータをロードして品質スコアを生成する。
最終的な品質推定は、軽量な$K$-meansゲーティング機構で、すべての頭からの予測の重み付け総和によって計算される。
論文 参考訳(メタデータ) (2021-07-28T15:21:01Z) - Object-QA: Towards High Reliable Object Quality Assessment [71.71188284059203]
オブジェクト認識アプリケーションでは、オブジェクトイメージは通常、異なる品質レベルで表示される。
本稿では,オブジェクト画像の信頼性の高い品質スコアを評価するために,Object-QAという効果的手法を提案する。
論文 参考訳(メタデータ) (2020-05-27T01:46:58Z)
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。