論文の概要: Multitask Auxiliary Network for Perceptual Quality Assessment of Non-Uniformly Distorted Omnidirectional Images

• arxiv url: http://arxiv.org/abs/2501.11512v1
• Date: Mon, 20 Jan 2025 14:41:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-22 14:20:54.101689
• Title: Multitask Auxiliary Network for Perceptual Quality Assessment of Non-Uniformly Distorted Omnidirectional Images
• Title（参考訳）: 非一様歪み全方位画像の知覚品質評価のためのマルチタスク補助ネットワーク
• Authors: Jiebin Yan, Jiale Rao, Junjie Chen, Ziwen Tan, Weide Liu, Yuming Fang,
• Abstract要約: 非一様歪み全方位画像のためのマルチタスク補助ネットワークを提案する。 提案ネットワークは主に,ビューポートシーケンスからマルチスケール特徴を抽出するバックボーン,タスクごとに動的に特定特徴を割り当てるマルチタスク特徴選択モジュール,提案モデルを導く補助サブネットワークの3つの部分から構成される。 2つの大規模OIQAデータベースで実施された実験は、提案モデルが他の最先端のOIQA指標より優れていることを示した。
• 参考スコア（独自算出の注目度）: 31.032202503593897
• License:
• Abstract: Omnidirectional image quality assessment (OIQA) has been widely investigated in the past few years and achieved much success. However, most of existing studies are dedicated to solve the uniform distortion problem in OIQA, which has a natural gap with the non-uniform distortion problem, and their ability in capturing non-uniform distortion is far from satisfactory. To narrow this gap, in this paper, we propose a multitask auxiliary network for non-uniformly distorted omnidirectional images, where the parameters are optimized by jointly training the main task and other auxiliary tasks. The proposed network mainly consists of three parts: a backbone for extracting multiscale features from the viewport sequence, a multitask feature selection module for dynamically allocating specific features to different tasks, and auxiliary sub-networks for guiding the proposed model to capture local distortion and global quality change. Extensive experiments conducted on two large-scale OIQA databases demonstrate that the proposed model outperforms other state-of-the-art OIQA metrics, and these auxiliary sub-networks contribute to improve the performance of the proposed model. The source code is available at https://github.com/RJL2000/MTAOIQA.
• Abstract（参考訳）: OIQA(Omnidirectional Image Quality Assessment)は,近年広く研究され,大きな成功を収めている。 しかし、既存の研究の多くは、非一様歪み問題と自然なギャップを持つOIQAにおける一様歪み問題の解法に特化しており、非一様歪みを捉える能力は十分ではない。 このギャップを狭めるために、本論文では、主タスクと他の補助タスクを協調的にトレーニングすることでパラメータを最適化する一様歪曲しない全方位画像のためのマルチタスク補助ネットワークを提案する。 提案ネットワークは主に,ビューポートシーケンスからマルチスケール特徴を抽出するバックボーンと,特定の特徴を異なるタスクに動的に割り当てるマルチタスク特徴選択モジュールと,局所的な歪みとグローバルな品質変化を捉えるために提案されたモデルを誘導する補助サブネットワークとから構成される。 2つの大規模OIQAデータベース上で実施された大規模な実験により、提案モデルが他の最先端OIQA指標よりも優れており、これらの補助サブネットワークが提案モデルの性能向上に寄与していることが示された。 ソースコードはhttps://github.com/RJL2000/MTAOIQAで入手できる。

関連論文リスト

• Multi-task Feature Enhancement Network for No-Reference Image Quality Assessment [4.4150617622399055]
  マルチタスク戦略に基づくNo-Reference Image Quality Assessment (NR-IQA)手法はいくつかの課題に直面する。 本フレームワークは,高周波抽出ネットワーク,品質推定ネットワーク,歪み認識ネットワークの3つの主要コンポーネントから構成される。 5つの標準IQAデータベースによる実験結果から,本手法が高い性能を達成し,堅牢な一般化能力を示すことが確認された。
  論文  参考訳（メタデータ） (2024-11-12T05:10:32Z)
• Feature Attenuation of Defective Representation Can Resolve Incomplete Masking on Anomaly Detection [1.0358639819750703]
  教師なし異常検出(UAD)研究では、計算効率が高くスケーラブルなソリューションを開発する必要がある。 再建・塗り替えのアプローチを再考し、強みと弱みを分析して改善する。 異常再構成の特徴情報を減衰させる2つの層のみを用いるFADeR(Feature Attenuation of Defective Representation)を提案する。
  論文  参考訳（メタデータ） (2024-07-05T15:44:53Z)
• Adaptive Feature Selection for No-Reference Image Quality Assessment by Mitigating Semantic Noise Sensitivity [55.399230250413986]
  上流タスクから有害なセマンティックノイズを除去するためのQFM-IQM(Quality-Aware Feature Matching IQA Metric)を提案する。 提案手法は,8つの標準IQAデータセット上での最先端NR-IQA法よりも優れた性能を実現する。
  論文  参考訳（メタデータ） (2023-12-11T06:50:27Z)
• Multi-task Image Restoration Guided By Robust DINO Features [88.74005987908443]
  DINOv2から抽出したロバストな特徴を利用したマルチタスク画像復元手法であるmboxtextbfDINO-IRを提案する。 まず,DINOV2の浅い特徴を動的に融合するPSF (Pixel-semantic fusion) モジュールを提案する。 これらのモジュールを統一された深層モデルに定式化することにより、モデルトレーニングを制約するために、DINO知覚の対照的な損失を提案する。
  論文  参考訳（メタデータ） (2023-12-04T06:59:55Z)
• Local Distortion Aware Efficient Transformer Adaptation for Image Quality Assessment [62.074473976962835]
  局所歪み特性を適切に注入することにより、IQAタスクにおいて、より大きな事前訓練および固定された基礎モデルがより優れた性能を発揮することを示す。 具体的には、局所歪み構造と視覚変換器(ViT)の誘導バイアスの欠如に対して、別の事前学習畳み込みニューラルネットワーク(CNN)を用いる。 本研究では, 予め訓練したCNNから局所歪み特徴を得るための局所歪み抽出器と, 局所歪み特徴をViTに注入する局所歪み注入器を提案する。
  論文  参考訳（メタデータ） (2023-08-23T08:41:21Z)
• Assessor360: Multi-sequence Network for Blind Omnidirectional Image Quality Assessment [50.82681686110528]
  Blind Omnidirectional Image Quality Assessment (BOIQA)は、全方位画像(ODI)の人間の知覚品質を客観的に評価することを目的としている。 ODIの品質評価は、既存のBOIQAパイプラインがオブザーバのブラウジングプロセスのモデリングを欠いているという事実によって著しく妨げられている。 Assessor360と呼ばれるBOIQAのための新しいマルチシーケンスネットワークを提案する。
  論文  参考訳（メタデータ） (2023-05-18T13:55:28Z)
• Learning Transformer Features for Image Quality Assessment [53.51379676690971]
  本稿では,CNNバックボーンとトランスフォーマーエンコーダを用いて特徴抽出を行うIQAフレームワークを提案する。 提案するフレームワークはFRモードとNRモードの両方と互換性があり、共同トレーニング方式が可能である。
  論文  参考訳（メタデータ） (2021-12-01T13:23:00Z)
• Efficient and Accurate Multi-scale Topological Network for Single Image Dehazing [31.543771270803056]
  本稿では,入力画像自体の特徴抽出と利用に注意を払います。 本稿では,マルチスケールトポロジカルネットワーク (mstn) を提案する。 一方、我々は、異なるスケールで機能の選択と融合を達成するために、マルチスケール機能融合モジュール(MFFM)と適応機能選択モジュール(AFSM)を設計します。
  論文  参考訳（メタデータ） (2021-02-24T08:53:14Z)
• Learning Deep Interleaved Networks with Asymmetric Co-Attention for Image Restoration [65.11022516031463]
  本稿では,高品質(本社)画像再構成のために,異なる状態の情報をどのように組み合わせるべきかを学習するディープインターリーブドネットワーク(DIN)を提案する。 本稿では,各インターリーブノードにアタッチメントされた非対称なコアテンション(AsyCA)を提案し,その特性依存性をモデル化する。 提案したDINはエンドツーエンドで訓練でき、様々な画像復元タスクに適用できる。
  論文  参考訳（メタデータ） (2020-10-29T15:32:00Z)
• Pareto-Optimal Bit Allocation for Collaborative Intelligence [39.11380888887304]
  コラボレーションインテリジェンス(CI)は、人工知能(AI)ベースのサービスをモバイル/エッジデバイスにデプロイするための、有望なフレームワークとして登場した。 本稿では,マルチストリームCIシステムにおける特徴符号化のためのビット割り当てについて検討する。
  論文  参考訳（メタデータ） (2020-09-25T20:48:33Z)

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。