論文の概要: BELE: Blur Equivalent Linearized Estimator
- arxiv url: http://arxiv.org/abs/2503.00503v1
- Date: Sat, 01 Mar 2025 14:19:08 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-03-05 19:15:33.874857
- Title: BELE: Blur Equivalent Linearized Estimator
- Title（参考訳）: BELE: ブラー等価線形化推定器
- Authors: Paolo Giannitrapani, Elio D. Di Claudio, Giovanni Jacovitti,
- Abstract要約: 本稿では, テクスチャ歪みによるエッジ劣化による知覚効果と, テクスチャ歪みによるエッジ劣化による知覚効果を分離する新しいパラメトリックモデルを提案する。
ひとつはBlur Equivalent Linearized Estimatorで、強みと孤立したエッジのぼかしを測定するように設計されている。
2つ目は複雑なピーク信号-雑音比であり、テクスチャ領域に影響を及ぼす歪みを評価する。
- 参考スコア（独自算出の注目度）: 0.8192907805418581
- License:
- Abstract: In the Full-Reference Image Quality Assessment context, Mean Opinion Score values represent subjective evaluations based on retinal perception, while objective metrics assess the reproduced image on the display. Bridging these subjective and objective domains requires parametric mapping functions, which are sensitive to the observer's viewing distance. This paper introduces a novel parametric model that separates perceptual effects due to strong edge degradations from those caused by texture distortions. These effects are quantified using two distinct quality indices. The first is the Blur Equivalent Linearized Estimator, designed to measure blur on strong and isolated edges while accounting for variations in viewing distance. The second is a Complex Peak Signal-to-Noise Ratio, which evaluates distortions affecting texture regions. The first-order effects of the estimator are directly tied to the first index, for which we introduce the concept of \emph{focalization}, interpreted as a linearization term. Starting from a Positional Fisher Information loss model applied to Gaussian blur distortion in natural images, we demonstrate how this model can generalize to linearize all types of distortions. Finally, we validate our theoretical findings by comparing them with several state-of-the-art classical and deep-learning-based full-reference image quality assessment methods on widely used benchmark datasets.
- Abstract（参考訳）: フル参照画像品質評価の文脈では、平均オピニオンスコア値は網膜知覚に基づく主観評価を表し、客観的指標はディスプレイ上の再生画像を評価する。
これらの主観的および客観的領域をブリッジするには、観測者の視線距離に敏感なパラメトリックマッピング関数が必要である。
本稿では, テクスチャ歪みによるエッジ劣化による知覚効果と, テクスチャ歪みによるエッジ劣化による知覚効果を分離する新しいパラメトリックモデルを提案する。
これらの効果は、2つの異なる品質指標を用いて定量化される。
ひとつはBlur Equivalent Linearized Estimatorで、視距離の変動を考慮しつつ、強い端と孤立した端のぼやけを測定するように設計されている。
2つ目は、テクスチャ領域に影響を及ぼす歪みを評価する複合ピーク信号-雑音比である。
推定器の1次効果は1次指数に直接結びついており、線形化項として解釈される 'emph{focalization} の概念を導入する。
自然画像のガウス的ぼかし歪みに応用した位置釣り情報損失モデルから、このモデルを一般化してあらゆる種類の歪みを線形化する方法を実証する。
最後に, 提案手法を, 最先端の古典的, 深層学習に基づく画像品質評価手法と比較し, 提案手法の妥当性を検証した。
関連論文リスト
- DiffSim: Taming Diffusion Models for Evaluating Visual Similarity [19.989551230170584]
本稿では,生成モデルにおける視覚的類似度を測定するDiffSim法を提案する。
Denoising U-Netの注目層に特徴を合わせることで、DiffSimは外観とスタイルの類似性の両方を評価する。
また,Sref と IP ベンチマークを導入し,視覚的類似性の評価を行った。
論文 参考訳（メタデータ） (2024-12-19T07:00:03Z) - Benchmark Generation Framework with Customizable Distortions for Image
Classifier Robustness [4.339574774938128]
本稿では,画像分類モデルのロバスト性を評価するために,逆ベンチマークを生成する新しいフレームワークを提案する。
当社のフレームワークでは,画像に最適な歪みの種類をカスタマイズすることが可能で,デプロイメントに関連する歪みに対処する上で有効である。
論文 参考訳（メタデータ） (2023-10-28T07:40:42Z) - DeepDC: Deep Distance Correlation as a Perceptual Image Quality
Evaluator [53.57431705309919]
ImageNet Pre-trained Deep Neural Network (DNN)は、効果的な画像品質評価(IQA)モデルを構築するための顕著な転送性を示す。
我々は,事前学習DNN機能のみに基づく新しいフル参照IQA(FR-IQA)モデルを開発した。
5つの標準IQAデータセット上で,提案した品質モデルの優位性を示すため,包括的実験を行った。
論文 参考訳（メタデータ） (2022-11-09T14:57:27Z) - Doubly Reparameterized Importance Weighted Structure Learning for Scene
Graph Generation [40.46394569128303]
入力画像が与えられたシーングラフ生成は、視覚的に接地されたシーングラフを構築することにより、オブジェクトとその関係を明示的にモデル化することを目的としている。
本稿では,より厳密な重み付き下界を変分推論対象として用いた2重み付き重み付き構造学習法を提案する。
提案手法は,様々な人気シーングラフ生成ベンチマークにおいて,最先端の性能を実現する。
論文 参考訳（メタデータ） (2022-06-22T20:00:25Z) - Treatment Learning Causal Transformer for Noisy Image Classification [62.639851972495094]
本研究では,この2値情報「ノイズの存在」を画像分類タスクに組み込んで予測精度を向上させる。
因果的変動推定から動機付け,雑音画像分類のための頑健な特徴表現を潜在生成モデルを用いて推定するトランスフォーマーに基づくアーキテクチャを提案する。
また、パフォーマンスベンチマークのための幅広いノイズ要素を取り入れた、新しいノイズの多い画像データセットも作成する。
論文 参考訳（メタデータ） (2022-03-29T13:07:53Z) - Instance-Level Relative Saliency Ranking with Graph Reasoning [126.09138829920627]
そこで本研究では,有意な事例を分割し,相対的有意な有意なランク順序を推定するための統一モデルを提案する。
また、サラレンシーランキングブランチを効果的にトレーニングするために、新しい損失関数も提案されている。
実験の結果,提案手法は従来の手法よりも有効であることがわかった。
論文 参考訳（メタデータ） (2021-07-08T13:10:42Z) - CAMERAS: Enhanced Resolution And Sanity preserving Class Activation
Mapping for image saliency [61.40511574314069]
バックプロパゲーション画像のサリエンシは、入力中の個々のピクセルのモデル中心の重要性を推定することにより、モデル予測を説明することを目的としている。
CAMERASは、外部の事前処理を必要とせずに、高忠実度バックプロパゲーション・サリエンシ・マップを計算できる手法である。
論文 参考訳（メタデータ） (2021-06-20T08:20:56Z) - SIR: Self-supervised Image Rectification via Seeing the Same Scene from
Multiple Different Lenses [82.56853587380168]
本稿では、異なるレンズからの同一シーンの歪み画像の補正結果が同一であるべきという重要な知見に基づいて、新しい自己監督画像補正法を提案する。
我々は、歪みパラメータから修正画像を生成し、再歪み画像を生成するために、微分可能なワープモジュールを利用する。
本手法は,教師付きベースライン法や代表的最先端手法と同等あるいはそれ以上の性能を実現する。
論文 参考訳（メタデータ） (2020-11-30T08:23:25Z) - A Deep Ordinal Distortion Estimation Approach for Distortion Rectification [62.72089758481803]
より高精度なパラメータを効率良く得る新しい歪み補正手法を提案する。
本研究では, 局所言語関連推定ネットワークを設計し, 順序歪みを学習し, 現実的な歪み分布を近似する。
歪み情報の冗長性を考慮すると,本手法では歪み画像の一部のみを用いて順序方向の歪み推定を行う。
論文 参考訳（メタデータ） (2020-07-21T10:03:42Z) - Feature-metric Loss for Self-supervised Learning of Depth and Egomotion [13.995413542601472]
光度損失は、自己監督された深度とエゴモーション推定に広く利用されている。
本研究では,特徴量損失を提案し,特徴表現に基づいて定義する。
可視化による総合的な実験と詳細な分析により,提案した特徴量損失の有効性が示された。
論文 参考訳（メタデータ） (2020-07-21T05:19:07Z) - Deep No-reference Tone Mapped Image Quality Assessment [0.0]
トーンマッピングは最終的な画像に歪みを導入し、視覚的不快を招きかねない。
我々はこれらのトーンマップ画像に対する新しい非参照品質評価手法を提案する。
提案手法は,最先端技術と競合する性能を示すことを示す。
論文 参考訳（メタデータ） (2020-02-08T13:41:18Z)
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。