論文の概要: No-reference geometry quality assessment for colorless point clouds via list-wise rank learning

• arxiv url: http://arxiv.org/abs/2502.11726v1
• Date: Mon, 17 Feb 2025 12:11:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-18 14:10:37.381810
• Title: No-reference geometry quality assessment for colorless point clouds via list-wise rank learning
• Title（参考訳）: リストワイドランク学習による無色点雲の非参照幾何学的品質評価
• Authors: Zheng Li, Bingxu Xie, Chao Chu, Weiqing Li, Zhiyong Su,
• Abstract要約: 本稿では,リストワイド・ランク・ラーニングに基づく非参照幾何のみの品質評価手法を提案する。 提案したLRL-GQAは、非参照GQAをリストワイドランク問題として定式化する。 実験結果から,提案手法の非参照型LRL-GQA法の性能は,既存の全参照型GQA法と比較して優れていることが示された。
• 参考スコア（独自算出の注目度）: 9.810669754561546
• License:
• Abstract: Geometry quality assessment (GQA) of colorless point clouds is crucial for evaluating the performance of emerging point cloud-based solutions (e.g., watermarking, compression, and 3-Dimensional (3D) reconstruction). Unfortunately, existing objective GQA approaches are traditional full-reference metrics, whereas state-of-the-art learning-based point cloud quality assessment (PCQA) methods target both color and geometry distortions, neither of which are qualified for the no-reference GQA task. In addition, the lack of large-scale GQA datasets with subjective scores, which are always imprecise, biased, and inconsistent, also hinders the development of learning-based GQA metrics. Driven by these limitations, this paper proposes a no-reference geometry-only quality assessment approach based on list-wise rank learning, termed LRL-GQA, which comprises of a geometry quality assessment network (GQANet) and a list-wise rank learning network (LRLNet). The proposed LRL-GQA formulates the no-reference GQA as a list-wise rank problem, with the objective of directly optimizing the entire quality ordering. Specifically, a large dataset containing a variety of geometry-only distortions is constructed first, named LRL dataset, in which each sample is label-free but coupled with quality ranking information. Then, the GQANet is designed to capture intrinsic multi-scale patch-wise geometric features in order to predict a quality index for each point cloud. After that, the LRLNet leverages the LRL dataset and a likelihood loss to train the GQANet and ranks the input list of degraded point clouds according to their distortion levels. In addition, the pre-trained GQANet can be fine-tuned further to obtain absolute quality scores. Experimental results demonstrate the superior performance of the proposed no-reference LRL-GQA method compared with existing full-reference GQA metrics.
• Abstract（参考訳）: 無色の点雲の幾何学的品質評価(GQA)は,出現する点クラウドベースのソリューション(透かし,圧縮,三次元3次元再構成など)の性能を評価する上で重要である。 残念ながら、既存の客観的GQAアプローチは従来のフルリファレンスメトリクスであるのに対して、最先端の学習ベースのポイントクラウド品質評価(PCQA)メソッドは、どちらも非参照GQAタスクに適さない色と幾何学の歪みをターゲットとしている。 さらに、主観的なスコアを持つ大規模GQAデータセットの欠如は、常に不正確でバイアスがあり、一貫性のないものであり、学習ベースのGQAメトリクスの開発を妨げる。 本稿では,リストワイド・ランク・ラーニング(LRL-GQA)と呼ばれる,幾何品質評価ネットワーク(GQANet)とリストワイド・ランク・ラーニング・ネットワーク(LRLNet)から構成される,リストワイド・ランク・ラーニング(LRL-GQA)に基づく非参照の幾何学的品質評価手法を提案する。 提案したLRL-GQAは、非参照GQAをリストワイドランク問題として定式化し、全品質順序付けを直接最適化する。 具体的には、様々な幾何学のみの歪みを含む大きなデータセットをまずLRLデータセットと名付け、各サンプルはラベルなしだが品質ランキング情報と結合する。 そして、GQANetは、各点クラウドの品質指標を予測するために、固有のマルチスケールのパッチ単位の幾何学的特徴をキャプチャするように設計されている。 その後、LRLNetはLRLデータセットと可能性損失を利用してGQANetをトレーニングし、歪みレベルに応じて劣化点雲の入力リストをランク付けする。 さらに、事前訓練されたGQANetをさらに微調整して絶対品質スコアを得ることができる。 実験結果から,提案手法の非参照型LRL-GQA法の性能は,既存の全参照型GQA法と比較して優れていることが示された。

関連論文リスト

• OGBench: Benchmarking Offline Goal-Conditioned RL [72.00291801676684]
  オフライン目標条件強化学習(GCRL)は強化学習における大きな問題である。 オフラインゴール条件RLにおけるアルゴリズム研究のための,新しい高品質なベンチマークであるOGBenchを提案する。
  論文  参考訳（メタデータ） (2024-10-26T06:06:08Z)
• LINKAGE: Listwise Ranking among Varied-Quality References for Non-Factoid QA Evaluation via LLMs [61.57691505683534]
  非F (Non-Factoid) Question Answering (QA) は多種多様な潜在的回答と客観的基準により評価が困難である。 大規模言語モデル (LLM) は、様々なNLPタスクにおいて魅力的な性能を持つため、NFQAの評価に利用されてきた。 提案手法は,LLMを用いて基準回答のランク付けを行う新しい評価手法であるNFQAの評価手法を提案する。
  論文  参考訳（メタデータ） (2024-09-23T06:42:21Z)
• Image-Guided Outdoor LiDAR Perception Quality Assessment for Autonomous Driving [107.68311433435422]
  本研究では,屋外自動運転環境を対象とした画像誘導点雲質評価アルゴリズムを提案する。 IGO-PQA生成アルゴリズムは、単一フレームのLiDARベースのポイントクラウドに対して、全体的な品質スコアを生成する。 第2のコンポーネントは、非参照アウトドアポイントクラウド品質評価のためのトランスフォーマーベースのIGO-PQA回帰アルゴリズムである。
  論文  参考訳（メタデータ） (2024-06-25T04:16:14Z)
• Evaluating Generative Language Models in Information Extraction as Subjective Question Correction [49.729908337372436]
  本稿では,新しい評価手法SQC-Scoreを提案する。 主観的質問訂正の原則に着想を得て,新しい評価手法SQC-Scoreを提案する。 3つの情報抽出タスクの結果から,SQC-Scoreは基準値よりもアノテータの方が好ましいことが示された。
  論文  参考訳（メタデータ） (2024-04-04T15:36:53Z)
• Simple Baselines for Projection-based Full-reference and No-reference Point Cloud Quality Assessment [60.2709006613171]
  投影型ポイントクラウド品質評価(PCQA)のための簡易ベースラインを提案する。 我々は、全参照(FR)タスクと非参照(NR)PCQAタスクの両方に対して、点雲から共通立方体状の投影プロセスによって得られる多重射影を用いる。 ICIP 2023 PCVQA Challengeに参加して,5トラック中4トラックで首位を獲得した。
  論文  参考訳（メタデータ） (2023-10-26T04:42:57Z)
• TCDM: Transformational Complexity Based Distortion Metric for Perceptual Point Cloud Quality Assessment [24.936061591860838]
  客観的クラウド品質評価(PCQA)研究の目標は、ポイントクラウド品質を一貫した方法で測定するメトリクスを開発することである。 歪んだ点雲を基準に戻す複雑さを計測することで点雲の質を評価する。 提案手法の有効性を,5つのパブリッククラウド品質評価データベース上で行った広範囲な実験を通じて評価した。
  論文  参考訳（メタデータ） (2022-10-10T13:20:51Z)
• Point Cloud Quality Assessment using 3D Saliency Maps [37.290843791053256]
  そこで本研究では,品質予測の容易化を目的として,実効的な完全参照PCQA指標を提案する。 具体的には、まず、点雲の幾何学的特性をよりよく反映する深度情報を導入し、プロジェクションに基づく点雲塩分濃度マップ生成法を提案する。 最後に、最終的な品質スコアを生成するために、サリエンシに基づくプーリング戦略を提案する。
  論文  参考訳（メタデータ） (2022-09-30T13:59:09Z)
• No-Reference Point Cloud Quality Assessment via Domain Adaptation [31.280188860021248]
  本稿では,3次元点雲に対する画像伝達点雲品質評価(IT-PCQA)の新たな非参照品質評価指標を提案する。 特に,自然画像をソース領域として,点雲を対象領域として扱うとともに,教師なしの敵領域適応により点雲の品質を推定する。 実験結果から,提案手法は従来のノン参照指標よりも高い性能が得られることが示された。
  論文  参考訳（メタデータ） (2021-12-06T08:20:40Z)
• Reduced Reference Perceptual Quality Model and Application to Rate Control for 3D Point Cloud Compression [61.110938359555895]
  レート歪み最適化では、ビットレートの制約を受ける再構成品質尺度を最大化してエンコーダ設定を決定する。 本稿では,V-PCC幾何および色量化パラメータを変数とする線形知覚品質モデルを提案する。 400個の圧縮された3D点雲による主観的品質試験の結果,提案モデルが平均評価値とよく相関していることが示唆された。 また、同じ目標ビットレートに対して、提案モデルに基づくレート歪みの最適化は、ポイント・ツー・ポイントの客観的な品質指標による徹底的な探索に基づくレート歪みの最適化よりも高い知覚品質を提供することを示した。
  論文  参考訳（メタデータ） (2020-11-25T12:42:02Z)

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。