論文の概要: AIM 2024 Challenge on UHD Blind Photo Quality Assessment
- arxiv url: http://arxiv.org/abs/2409.16271v1
- Date: Tue, 24 Sep 2024 17:44:24 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-26 04:57:52.741272
- Title: AIM 2024 Challenge on UHD Blind Photo Quality Assessment
- Title（参考訳）: AIM 2024 UHDブラインド光品質評価の課題
- Authors: Vlad Hosu, Marcos V. Conde, Lorenzo Agnolucci, Nabajeet Barman, Saman Zadtootaghaj, Radu Timofte,
- Abstract要約: AIM 2024 UHD-IQA Challengeは、最新の高解像度写真のためのNo-Reference Image Quality Assessment (NR-IQA)タスクの推進を目的としている。
この課題は、最近リリースされたUHD-IQAベンチマークデータベースに基づいており、このデータベースは、6,073 UHD-1 (4K)イメージに、専門家のレーナーによる知覚的品質評価が付加されている。
- 参考スコア（独自算出の注目度）: 49.54883484094671
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We introduce the AIM 2024 UHD-IQA Challenge, a competition to advance the No-Reference Image Quality Assessment (NR-IQA) task for modern, high-resolution photos. The challenge is based on the recently released UHD-IQA Benchmark Database, which comprises 6,073 UHD-1 (4K) images annotated with perceptual quality ratings from expert raters. Unlike previous NR-IQA datasets, UHD-IQA focuses on highly aesthetic photos of superior technical quality, reflecting the ever-increasing standards of digital photography. This challenge aims to develop efficient and effective NR-IQA models. Participants are tasked with creating novel architectures and training strategies to achieve high predictive performance on UHD-1 images within a computational budget of 50G MACs. This enables model deployment on edge devices and scalable processing of extensive image collections. Winners are determined based on a combination of performance metrics, including correlation measures (SRCC, PLCC, KRCC), absolute error metrics (MAE, RMSE), and computational efficiency (G MACs). To excel in this challenge, participants leverage techniques like knowledge distillation, low-precision inference, and multi-scale training. By pushing the boundaries of NR-IQA for high-resolution photos, the UHD-IQA Challenge aims to stimulate the development of practical models that can keep pace with the rapidly evolving landscape of digital photography. The innovative solutions emerging from this competition will have implications for various applications, from photo curation and enhancement to image compression.
- Abstract（参考訳）: AIM 2024 UHD-IQA Challengeは,最新の高精細画像に対する非参照画像品質評価(NR-IQA)タスクを推進するためのコンペティションである。
この課題は、最近リリースされたUHD-IQAベンチマークデータベースに基づいており、このデータベースは、6,073 UHD-1 (4K)イメージに、専門家のレーナーによる知覚的品質評価が付加されている。
従来のNR-IQAデータセットとは異なり、UHD-IQAはデジタル写真の標準を反映して、優れた技術的品質の高度に美的な写真に焦点を当てている。
この課題は、効率的なNR-IQAモデルの開発である。
参加者は、新しいアーキテクチャとトレーニング戦略を作成し、50G MACの計算予算内でUHD-1画像上で高い予測性能を達成する。
これにより、エッジデバイスへのモデル展開と、広範なイメージコレクションのスケーラブルな処理が可能になる。
勝者は、相関測度(SRCC、PLCC、KRCC)、絶対誤差測度(MAE、RMSE)、計算効率(GMAC)の組合せに基づいて決定される。
この課題を克服するために、参加者は知識蒸留、低精度推論、マルチスケールトレーニングといった技術を活用している。
UHD-IQA Challengeは、高解像度写真のNR-IQAの境界を推し進めることで、急速に進化するデジタル写真の風景に追従できる実用的なモデルの開発を促進することを目的としている。
この競合から生まれた革新的な解決策は、写真キュレーションや画像圧縮の強化など、様々な応用に影響を及ぼすだろう。
関連論文リスト
- AIM 2024 Challenge on Video Super-Resolution Quality Assessment: Methods and Results [76.64868221556145]
本稿では,AIM(Advanceds in Image Manipulation)ワークショップの一環として,ビデオ・スーパーリゾリューション(SR)品質アセスメント(QA)チャレンジについて紹介する。
この課題の課題は、現代の画像とビデオ-SRアルゴリズムを用いて、2xと4xのアップスケールされたビデオのための客観的QA手法を開発することである。
SR QAの目標は、従来のQA手法の適用範囲が限られているという難題が証明された、最先端のSR QAを前進させることであった。
論文 参考訳（メタデータ） (2024-10-05T16:42:23Z) - MobileIQA: Exploiting Mobile-level Diverse Opinion Network For No-Reference Image Quality Assessment Using Knowledge Distillation [26.81879609001189]
No-Reference Image Quality Assessment (NR-IQA)は、モバイルデバイス上でリアルタイムに画像品質を向上し、ユーザエクスペリエンスを向上させる。
既存のNR-IQA法では、HR画像を小さな解像度にリサイズまたはトリミングすることが多く、重要な詳細が失われる。
画像の詳細を保存しながら画像品質を効率的に評価する,軽量なバックボーンを用いた新しい手法であるMobileIQAを提案する。
論文 参考訳（メタデータ） (2024-09-02T12:42:50Z) - Assessing UHD Image Quality from Aesthetics, Distortions, and Saliency [51.36674160287799]
我々は3つの視点からUHD画像の品質を評価するためにマルチブランチディープニューラルネットワーク(DNN)を設計する。
UHD画像から低解像度画像から美的特徴を抽出する。
UHD画像から抽出したミニパッチからなる断片画像を用いて, 技術的歪みを測定する。
UHD画像の塩分含有量を検知し、収穫し、塩分領域から品質認識特徴を抽出する。
論文 参考訳（メタデータ） (2024-09-01T15:26:11Z) - UHD-IQA Benchmark Database: Pushing the Boundaries of Blind Photo Quality Assessment [4.563959812257119]
固定幅3840ピクセルの6073 UHD-1 (4K)画像からなる画像品質評価データセットを提案する。
私たちの作品は、高い技術品質の高度に美的な写真に焦点を当てており、文学のギャップを埋めています。
データセットには、クラウドソーシング調査を通じて得られた知覚的品質評価が注釈付けされている。
論文 参考訳（メタデータ） (2024-06-25T11:30:31Z) - DP-IQA: Utilizing Diffusion Prior for Blind Image Quality Assessment in the Wild [54.139923409101044]
野生のブラインド画像品質評価(IQA)は重大な課題を呈している。
大規模なトレーニングデータの収集が困難であることを考えると、厳密な一般化モデルを開発するために限られたデータを活用することは、未解決の問題である。
事前訓練されたテキスト・ツー・イメージ(T2I)拡散モデルの堅牢な画像認識能力により,新しいIQA法,拡散先行に基づくIQAを提案する。
論文 参考訳（メタデータ） (2024-05-30T12:32:35Z) - NTIRE 2022 Challenge on Perceptual Image Quality Assessment [90.04931572825859]
画像品質評価(IQA)におけるNTIRE 2022の課題について報告する。
この課題は、知覚画像処理アルゴリズムによるIQAの新たな課題に対処するためである。
当選方法は、最先端の性能を示すことができる。
論文 参考訳（メタデータ） (2022-06-23T13:36:49Z) - NTIRE 2021 Challenge on Perceptual Image Quality Assessment [128.83256694901726]
NTIRE 2021の知覚画像品質評価(IQA)に関する課題について報告する。
CVPR 2021では、画像修復・強化ワークショップ(NTIRE)のNew Trendsと連携して開催されました。
新しいタイプの画像処理技術として、GAN(Generative Adversarial Networks)に基づく知覚画像処理アルゴリズムが、より現実的なテクスチャを持つ画像を生成する。
論文 参考訳（メタデータ） (2021-05-07T05:36:54Z)
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。