論文の概要: CSIM: A Copula-based similarity index sensitive to local changes for Image quality assessment

• arxiv url: http://arxiv.org/abs/2410.01411v2
• Date: Fri, 4 Oct 2024 15:06:09 GMT
• ステータス: 処理完了
• システム内更新日: 2024-11-04 21:09:23.727746
• Title: CSIM: A Copula-based similarity index sensitive to local changes for Image quality assessment
• Title（参考訳）: CSIM:画像品質評価のための局所的変化に敏感なコピュラに基づく類似度指数
• Authors: Safouane El Ghazouali, Umberto Michelucci, Yassin El Hillali, Hichem Nouira,
• Abstract要約: 画像類似度メトリクスは、画像処理、コンピュータビジョン、機械学習で使用されるため、コンピュータビジョンアプリケーションにおいて重要な役割を果たす。 PSNR、MSE、SSIM、ISSM、FSIMといった既存のメトリクスは、画像の小さな変更に対する速度、複雑さ、感度のいずれにおいても制限に直面していることが多い。 本稿では,画像の微妙な変化に敏感でありながらリアルタイムに組み合わせた新しい画像類似度指標CSIMについて検討する。
• 参考スコア（独自算出の注目度）: 2.3874115898130865
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Image similarity metrics play an important role in computer vision applications, as they are used in image processing, computer vision and machine learning. Furthermore, those metrics enable tasks such as image retrieval, object recognition and quality assessment, essential in fields like healthcare, astronomy and surveillance. Existing metrics, such as PSNR, MSE, SSIM, ISSM and FSIM, often face limitations in terms of either speed, complexity or sensitivity to small changes in images. To address these challenges, a novel image similarity metric, namely CSIM, that combines real-time while being sensitive to subtle image variations is investigated in this paper. The novel metric uses Gaussian Copula from probability theory to transform an image into vectors of pixel distribution associated to local image patches. These vectors contain, in addition to intensities and pixel positions, information on the dependencies between pixel values, capturing the structural relationships within the image. By leveraging the properties of Copulas, CSIM effectively models the joint distribution of pixel intensities, enabling a more nuanced comparison of image patches making it more sensitive to local changes compared to other metrics. Experimental results demonstrate that CSIM outperforms existing similarity metrics in various image distortion scenarios, including noise, compression artifacts and blur. The metric's ability to detect subtle differences makes it suitable for applications requiring high precision, such as medical imaging, where the detection of minor anomalies can be of a high importance. The results obtained in this work can be reproduced from this Github repository: https://github.com/safouaneelg/copulasimilarity.
• Abstract（参考訳）: 画像類似度メトリクスは、画像処理、コンピュータビジョン、機械学習で使用されるため、コンピュータビジョンアプリケーションにおいて重要な役割を果たす。 さらに、これらのメトリクスは、画像検索、オブジェクト認識、品質評価などのタスクを可能にし、医療、天文学、監視といった分野に必須である。 PSNR、MSE、SSIM、ISSM、FSIMといった既存のメトリクスは、画像の小さな変更に対する速度、複雑さ、感度のいずれにおいても制限に直面していることが多い。 これらの課題に対処するために,画像の微妙な変化に敏感でありながらリアルタイムに組み合わせた新しい画像類似度指標CSIMについて検討した。 この新しい計量は、確率論からガウスコピュラを使い、画像が局所的な画像パッチに関連する画素分布のベクトルに変換する。 これらのベクトルには、強度と画素位置に加えて、画素値間の依存関係に関する情報が含まれ、画像内の構造的関係をキャプチャする。 Copulasの特性を活用することで、CSIMはピクセル強度の結合分布を効果的にモデル化し、画像パッチのより微妙な比較を可能にし、他のメトリクスと比較して局所的な変化に敏感になる。 実験により、CSIMは、ノイズ、圧縮アーティファクト、ぼやけなど、様々な画像歪みシナリオにおいて、既存の類似度指標よりも優れていることが示された。 この距離計が微妙な違いを検知する能力は、医用画像などの高精度なアプリケーションに適しており、小さな異常の検出が重要となる可能性がある。 この研究で得られた結果は、このGithubリポジトリから再現することができる。

関連論文リスト

• Cross-Domain Separable Translation Network for Multimodal Image Change Detection [11.25422609271201]
  マルチモーダル変化検出(MCD)はリモートセンシングコミュニティにおいて特に重要である。 本稿では,MDDの課題,特に異なるセンサの画像を比較することの難しさに対処することに焦点を当てる。 これらの制限を克服するために、新しい教師なしクロスドメイン分離型翻訳ネットワーク(CSTN)が提案されている。
  論文  参考訳（メタデータ） (2024-07-23T03:56:02Z)
• How to Evaluate Semantic Communications for Images with ViTScore Metric? [18.657768058678375]
  視覚変換器スコア(ViTScore)という画像意味的類似性を評価するための新しい指標を提案する。 ViTScoreには対称性、有界性、正規化の3つの重要な特性があり、画像測定に便利で直感的である。 画像のセマンティックな類似性を評価する上で,ViTScoreは堅牢で効率的であることを示す。
  論文  参考訳（メタデータ） (2023-09-09T23:03:50Z)
• R-LPIPS: An Adversarially Robust Perceptual Similarity Metric [71.33812578529006]
  本稿では,Robust Learned Perceptual Image Patch similarity(R-LPIPS)メトリクスを提案する。 R-LPIPSは、敵対的に訓練された深い特徴を活用する新しい指標である。 従来のLPIPSメトリックと比較して,R-LPIPSの優位性を示す。
  論文  参考訳（メタデータ） (2023-07-27T19:11:31Z)
• Hierarchical Transformer for Survival Prediction Using Multimodality Whole Slide Images and Genomics [63.76637479503006]
  下流タスクのためのギガピクセルレベルのスライド病理画像(WSI)の良質な表現を学習することが重要である。 本稿では,病理画像と対応する遺伝子間の階層的マッピングを学習する階層型マルチモーダルトランスフォーマーフレームワークを提案する。 より優れたWSI表現能力を維持しながら、ベンチマーク手法と比較してGPUリソースが少ないアーキテクチャです。
  論文  参考訳（メタデータ） (2022-11-29T23:47:56Z)
• Probabilistic Deep Metric Learning for Hyperspectral Image Classification [91.5747859691553]
  本稿では,ハイパースペクトル画像分類のための確率論的深度学習フレームワークを提案する。 ハイパースペクトルセンサーが捉えた画像に対して、各ピクセルのカテゴリを予測することを目的としている。 我々のフレームワークは、既存のハイパースペクトル画像分類法に容易に適用できる。
  論文  参考訳（メタデータ） (2022-11-15T17:57:12Z)
• A study of deep perceptual metrics for image quality assessment [3.254879465902239]
  我々は、画像品質評価(IQA)タスクに取り組むために、ディープニューラルネットワークに基づく知覚メトリクスについて検討する。 異なる解像度で知覚情報を集約できる多分解能知覚距離(MR-Perceptual)を提案する。
  論文  参考訳（メタデータ） (2022-02-17T14:52:53Z)
• Ensembling with Deep Generative Views [72.70801582346344]
  生成モデルは、色やポーズの変化などの現実世界の変動を模倣する人工画像の「ビュー」を合成することができる。 そこで本研究では, 画像分類などの下流解析作業において, 実画像に適用できるかどうかを検討する。 StyleGAN2を再生増強の源として使用し、顔の属性、猫の顔、車を含む分類タスクについてこの設定を調査します。
  論文  参考訳（メタデータ） (2021-04-29T17:58:35Z)
• Image Quality Assessment: Unifying Structure and Texture Similarity [38.05659069533254]
  テクスチャリサンプリングに対する耐性を明示した,最初のフル参照画像品質モデルを開発した。 畳み込みニューラルネットワークを用いて、画像をオーバーコンプリート表現に変換するインジェクティブで微分可能な関数を構築する。
  論文  参考訳（メタデータ） (2020-04-16T16:11:46Z)
• Steering Self-Supervised Feature Learning Beyond Local Pixel Statistics [60.92229707497999]
  画像の特定の変換の識別に基づく自己教師型特徴学習の新しい原理を提案する。 実験により,LCI,画像ワープ,回転などの変換を識別する学習が,技術一般化能力の状態を特徴付けることを示した。
  論文  参考訳（メタデータ） (2020-04-05T22:09:08Z)
• Geometrically Mappable Image Features [85.81073893916414]
  地図内のエージェントの視覚に基づくローカライゼーションは、ロボット工学とコンピュータビジョンにおいて重要な問題である。 本稿では,画像検索を対象とした画像特徴学習手法を提案する。
  論文  参考訳（メタデータ） (2020-03-21T15:36:38Z)

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。