論文の概要: HarmonyIQA: Pioneering Benchmark and Model for Image Harmonization Quality Assessment
- arxiv url: http://arxiv.org/abs/2501.01116v1
- Date: Thu, 02 Jan 2025 07:30:17 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-01-05 17:12:33.534282
- Title: HarmonyIQA: Pioneering Benchmark and Model for Image Harmonization Quality Assessment
- Title（参考訳）: HarmonyIQA:画像調和品質評価のためのピオニアリングベンチマークとモデル
- Authors: Zitong Xu, Huiyu Duan, Guangji Ma, Liu Yang, Jiarui Wang, Qingbo Wu, Xiongkuo Min, Guangtao Zhai, Patrick Le Callet,
- Abstract要約: 画像調和評価のための画像品質評価データベース(HarmonyIQAD)について紹介する。
本研究では,ハーモニー画像品質評価(Harmony Image Quality Assessment, HarmonyIQA)を提案する。
実験により、ハーモニーIQAは、調和した画像に対する人間の視覚的嗜好評価において最先端のパフォーマンスを達成することが示された。
- 参考スコア（独自算出の注目度）: 66.17085272972885
- License:
- Abstract: Image composition involves extracting a foreground object from one image and pasting it into another image through Image harmonization algorithms (IHAs), which aim to adjust the appearance of the foreground object to better match the background. Existing image quality assessment (IQA) methods may fail to align with human visual preference on image harmonization due to the insensitivity to minor color or light inconsistency. To address the issue and facilitate the advancement of IHAs, we introduce the first Image Quality Assessment Database for image Harmony evaluation (HarmonyIQAD), which consists of 1,350 harmonized images generated by 9 different IHAs, and the corresponding human visual preference scores. Based on this database, we propose a Harmony Image Quality Assessment (HarmonyIQA), to predict human visual preference for harmonized images. Extensive experiments show that HarmonyIQA achieves state-of-the-art performance on human visual preference evaluation for harmonized images, and also achieves competing results on traditional IQA tasks. Furthermore, cross-dataset evaluation also shows that HarmonyIQA exhibits better generalization ability than self-supervised learning-based IQA methods. Both HarmonyIQAD and HarmonyIQA will be made publicly available upon paper publication.
- Abstract（参考訳）: 画像合成は、ある画像から前景オブジェクトを抽出し、背景に合うように前景オブジェクトの外観を調整することを目的とした画像調和アルゴリズム(IHA)を通して、別の画像に貼り付ける。
既存の画像品質評価法(IQA)は、小さな色や光の不整合に敏感なため、画像調和に対する人間の視覚的嗜好と一致しない場合がある。
この課題に対処し、IHAの進歩を促進するために、9つの異なるIHAによって生成された1,350個の調和した画像と、それに対応する人間の視覚的嗜好スコアからなる、画像調和評価のための最初の画像品質評価データベース(HarmonyIQAD)を導入する。
本研究では,ハーモニー画像品質評価(Harmony Image Quality Assessment, HarmonyIQA)を提案する。
広汎な実験により、ハーモニーIQAは、調和した画像に対する人間の視覚的嗜好評価において最先端のパフォーマンスを達成し、従来のIQAタスクにおいて競合する結果を得ることが示された。
さらに、データセット間の評価により、HarmonyIQAは自己教師付き学習ベースIQA法よりも優れた一般化能力を示すことが示された。
HarmonyIQAD と HarmonyIQA はいずれも論文公開時に公開される予定である。
関連論文リスト
- Understanding and Evaluating Human Preferences for AI Generated Images with Instruction Tuning [58.41087653543607]
我々はまず,AIGCIQA2023+と呼ばれるAIGIのための画像品質評価(IQA)データベースを構築した。
本稿では,AIGIに対する人間の嗜好を評価するためのMINT-IQAモデルを提案する。
論文 参考訳（メタデータ） (2024-05-12T17:45:11Z) - Cross-IQA: Unsupervised Learning for Image Quality Assessment [3.2287957986061038]
本稿では,視覚変換器(ViT)モデルに基づく非参照画像品質評価(NR-IQA)手法を提案する。
提案手法は,ラベルのない画像データから画像品質の特徴を学習することができる。
実験結果から,Cross-IQAは低周波劣化情報の評価において最先端の性能が得られることが示された。
論文 参考訳（メタデータ） (2024-05-07T13:35:51Z) - Comparison of No-Reference Image Quality Models via MAP Estimation in
Diffusion Latents [99.19391983670569]
NR-IQAモデルは、画像強調のための最大後部推定(MAP)フレームワークにプラグイン可能であることを示す。
異なるNR-IQAモデルは異なる拡張イメージを誘導し、最終的には精神物理学的なテストを受ける。
これにより, NR-IQAモデルの比較を行う新たな計算手法が提案される。
論文 参考訳（メタデータ） (2024-03-11T03:35:41Z) - Feature Denoising Diffusion Model for Blind Image Quality Assessment [58.5808754919597]
Blind Image Quality Assessment (BIQA) は、基準ベンチマークを使わずに、人間の知覚に合わせて画質を評価することを目的としている。
ディープラーニング BIQA の手法は、一般的に、伝達学習のための高レベルのタスクの特徴の使用に依存する。
本稿では,BIQAにおける特徴認知のための拡散モデルについて検討する。
論文 参考訳（メタデータ） (2024-01-22T13:38:24Z) - 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) - 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) - 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) - 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)
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。