Fugu-MT 論文翻訳(概要): Low-Quality Image Detection by Hierarchical VAE

論文の概要: Low-Quality Image Detection by Hierarchical VAE

arxiv url: http://arxiv.org/abs/2408.10885v1
Date: Tue, 20 Aug 2024 14:14:15 GMT
ステータス: 処理完了
システム内更新日: 2024-08-21 13:15:27.919908
Title: Low-Quality Image Detection by Hierarchical VAE
Title（参考訳）: 階層型VAEによる低品質画像検出
Authors: Tomoyasu Nanaumi, Kazuhiko Kawamoto, Hiroshi Kera,
Abstract要約: 本研究では,低画質画像の教師なし検出という新たな課題に対処する。そこで本研究では,低画質の画像のさまざまな劣化を検知するだけでなく,その視覚的手がかりを提供する手法を提案する。
参考スコア（独自算出の注目度）: 5.2980803808373516
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: To make an employee roster, photo album, or training dataset of generative models, one needs to collect high-quality images while dismissing low-quality ones. This study addresses a new task of unsupervised detection of low-quality images. We propose a method that not only detects low-quality images with various types of degradation but also provides visual clues of them based on an observation that partial reconstruction by hierarchical variational autoencoders fails for low-quality images. The experiments show that our method outperforms several unsupervised out-of-distribution detection methods and also gives visual clues for low-quality images that help humans recognize them even in thumbnail view.
Abstract（参考訳）: 従業員のロスター、フォトアルバム、または生成モデルのトレーニングデータセットを作成するには、高品質な画像を収集し、低品質な画像を除外する必要がある。本研究では,低画質画像の教師なし検出という新たな課題に対処する。また,低画質画像に対して階層的変分オートエンコーダによる部分再構成が失敗する観察結果に基づいて,低画質画像の様々な劣化を検知するだけでなく,その視覚的手がかりを提供する手法を提案する。実験の結果,本手法は教師なし分布検出法よりも優れており,サムネイル視でも人間の認識に役立つ低品質画像の視覚的手がかりが得られている。

関連論文リスト

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)
Helping Visually Impaired People Take Better Quality Pictures [52.03016269364854]
我々は、視覚障害者が共通の技術的歪みの発生を最小限に抑えるためのツールを開発する。また、ユーザによる品質問題の緩和を支援する、プロトタイプのフィードバックシステムも作成しています。
論文参考訳（メタデータ） (2023-05-14T04:37:53Z)
Re-IQA: Unsupervised Learning for Image Quality Assessment in the Wild [38.197794061203055]
教師なし環境で高レベルのコンテンツと低レベルの画像品質特徴を学習するために、2つの異なるエンコーダを訓練するためのMixture of Expertsアプローチを提案する。本稿では,Re-IQAフレームワークから得られた高次・低次画像表現を,線形回帰モデルをトレーニングするために展開する。本手法は,大規模画像品質評価データベース上での最先端性能を実現する。
論文参考訳（メタデータ） (2023-04-02T05:06:51Z)
Self-supervised Domain Adaptation for Breaking the Limits of Low-quality Fundus Image Quality Enhancement [14.677912534121273]
低画質の眼底画像とスタイルの整合性は、眼底疾患の診断における不確実性を高める可能性がある。画像内容、低品質要因、スタイル情報の特徴を乱すために、2つの自己教師付きドメイン適応タスクを定式化する。我々のDASQE法は,低画質の画像しか得られない場合に,新しい最先端性能を実現する。
論文参考訳（メタデータ） (2023-01-17T15:07:20Z)
Quality Assessment of Low Light Restored Images: A Subjective Study and an Unsupervised Model [10.119600046984088]
本研究は、低照度復元画像の主観的知覚とその教師なしNR QAについて研究する。まず、様々なLLR手法を用いて復元された低光画像のデータセットを作成し、主観的なQA研究を行い、既存のQA手法の性能をベンチマークする。次に、復元された低光画像から歪み認識特徴を抽出する自己教師付きコントラスト学習手法を提案する。
論文参考訳（メタデータ） (2022-02-04T18:06:07Z)
Enhancing Low-Light Images in Real World via Cross-Image Disentanglement [58.754943762945864]
そこで本研究では,現実の汚職とミスアライメントされたトレーニング画像からなる,新しい低照度画像強調データセットを提案する。本モデルでは,新たに提案したデータセットと,他の一般的な低照度データセットの両方に対して,最先端のパフォーマンスを実現する。
論文参考訳（メタデータ） (2022-01-10T03:12:52Z)
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)
Few-Shot Learning with Part Discovery and Augmentation from Unlabeled Images [79.34600869202373]
帰納的バイアスは、ラベルなし画像の平坦な集合から学習でき、目に見えるクラスと目に見えないクラスの間で伝達可能な表現としてインスタンス化されることを示す。具体的には、トランスファー可能な表現を学習するための、新しいパートベース自己教師型表現学習手法を提案する。我々の手法は印象的な結果をもたらし、それまでの最高の教師なし手法を7.74%、9.24%上回った。
論文参考訳（メタデータ） (2021-05-25T12:22:11Z)
A Hierarchical Transformation-Discriminating Generative Model for Few Shot Anomaly Detection [93.38607559281601]
各トレーニングイメージのマルチスケールパッチ分布をキャプチャする階層的生成モデルを開発した。この異常スコアは、スケール及び画像領域にわたる正しい変換のパッチベースの投票を集約して得られる。
論文参考訳（メタデータ） (2021-04-29T17:49:48Z)
Robust Representation Learning with Feedback for Single Image Deraining [7.540176446791261]
デラインネットワークは条件発生器として解釈することができる。品質の低い機能を、潜伏する高品質な機能に置き換えます。誤り検出と特徴補償のための新しい手法を提案する。
論文参考訳（メタデータ） (2021-01-29T08:20:50Z)
Improved Slice-wise Tumour Detection in Brain MRIs by Computing Dissimilarities between Latent Representations [68.8204255655161]
磁気共鳴画像(MRI)の異常検出は教師なし手法で行うことができる。本研究では,変分オートエンコーダの潜伏空間における相似関数の計算に基づいて,腫瘍検出のためのスライスワイズ半教師法を提案する。本研究では,高解像度画像上でのモデルをトレーニングし,再現の質を向上させることにより,異なるベースラインに匹敵する結果が得られることを示す。
論文参考訳（メタデータ） (2020-07-24T14:02:09Z)

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。