論文の概要: Viewport-Unaware Blind Omnidirectional Image Quality Assessment: A Flexible and Effective Paradigm

• arxiv url: http://arxiv.org/abs/2503.06129v1
• Date: Sat, 08 Mar 2025 08:50:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-11 15:49:24.035257
• Title: Viewport-Unaware Blind Omnidirectional Image Quality Assessment: A Flexible and Effective Paradigm
• Title（参考訳）: Viewport-Unaware Blind全方位画像品質評価:柔軟で効果的なパラダイム
• Authors: Jiebin Yan, Kangcheng Wu, Junjie Chen, Ziwen Tan, Yuming Fang,
• Abstract要約: 本稿では,2次元平面画像品質評価(2D-IQA)に容易に適用可能な,ビューポートを意識しないフレキシブルで効果的なパラダイムを提案する。 提案モデルでは,他の最先端モデルに対して低複雑性で競合性能を実現し,さらに2D-IQAへの適応能力を検証した。
• 参考スコア（独自算出の注目度）: 29.433569465806176
• License:
• Abstract: Most of existing blind omnidirectional image quality assessment (BOIQA) models rely on viewport generation by modeling user viewing behavior or transforming omnidirectional images (OIs) into varying formats; however, these methods are either computationally expensive or less scalable. To solve these issues, in this paper, we present a flexible and effective paradigm, which is viewport-unaware and can be easily adapted to 2D plane image quality assessment (2D-IQA). Specifically, the proposed BOIQA model includes an adaptive prior-equator sampling module for extracting a patch sequence from the equirectangular projection (ERP) image in a resolution-agnostic manner, a progressive deformation-unaware feature fusion module which is able to capture patch-wise quality degradation in a deformation-immune way, and a local-to-global quality aggregation module to adaptively map local perception to global quality. Extensive experiments across four OIQA databases (including uniformly distorted OIs and non-uniformly distorted OIs) demonstrate that the proposed model achieves competitive performance with low complexity against other state-of-the-art models, and we also verify its adaptive capacity to 2D-IQA.
• Abstract（参考訳）: 既存の全方位画像品質評価(BOIQA)モデルの多くは、ユーザ視聴動作をモデル化したり、全方位画像(OI)を様々なフォーマットに変換することでビューポート生成に依存している。 本稿では,2次元平面画像品質評価(2D-IQA)に容易に適用可能な,ビューポートを意識しないフレキシブルかつ効果的なパラダイムを提案する。 具体的には, BOIQAモデルでは, 局所的な知覚をグローバルな品質に適応的にマッピングする局所-グローバル品質集約モジュールと, 局所的な品質劣化を予測可能な変形非認識機能融合モジュールと, 等角射影(ERP)画像からのパッチ配列を分解不能に抽出する適応型事前方程式サンプリングモジュールを備える。 4つのOIQAデータベース(一様歪んだOIsと一様歪まないOIsを含む)にわたる広範囲な実験により,提案モデルが他の最先端モデルと比較して低複雑性の競合性能を達成し,その適応能力を2D-IQAに検証した。

関連論文リスト

• Multitask Auxiliary Network for Perceptual Quality Assessment of Non-Uniformly Distorted Omnidirectional Images [31.032202503593897]
  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。
  論文  参考訳（メタデータ） (2025-01-20T14:41:29Z)
• Subjective and Objective Quality Assessment of Non-Uniformly Distorted Omnidirectional Images [33.10692798685548]
  ユーザの視動作を適応的にシミュレートすることで,非一様歪みに対する知覚誘導型OIQAモデルを提案する。 実験の結果,提案手法は最先端の手法よりも優れていることがわかった。
  論文  参考訳（メタデータ） (2025-01-20T14:39:50Z)
• Q-Ground: Image Quality Grounding with Large Multi-modality Models [61.72022069880346]
  Q-Groundは、大規模な視覚的品質グラウンドに取り組むための最初のフレームワークである。 Q-Groundは、大規模なマルチモダリティモデルと詳細な視覚的品質分析を組み合わせる。 コントリビューションの中心は、QGround-100Kデータセットの導入です。
  論文  参考訳（メタデータ） (2024-07-24T06:42:46Z)
• Opinion-Unaware Blind Image Quality Assessment using Multi-Scale Deep Feature Statistics [54.08757792080732]
  我々は,事前学習された視覚モデルからの深い特徴を統計的解析モデルと統合して,意見認識のないBIQA(OU-BIQA)を実現することを提案する。 提案モデルは,最先端のBIQAモデルと比較して,人間の視覚的知覚との整合性に優れる。
  論文  参考訳（メタデータ） (2024-05-29T06:09:34Z)
• Image Quality Assessment With Compressed Sampling [5.76395285614395]
  圧縮サンプリングを用いたNR-IQA(CL-IQAとCS-IQA)の2つのネットワークを提案する。 1)イメージをサンプリングする圧縮サンプリングモジュール(CSM) (2)高レベルの特徴を抽出する適応埋め込みモジュール(AEM)。 実験により,提案手法は,データ使用量が少ない様々なデータセットにおいて,他の手法よりも優れていることが示された。
  論文  参考訳（メタデータ） (2024-04-26T05:51:57Z)
• Contrastive Pre-Training with Multi-View Fusion for No-Reference Point Cloud Quality Assessment [49.36799270585947]
  No-Reference Point Cloud Quality Assessment (NR-PCQA) は、歪んだ点雲の知覚的品質を、参照なしで自動的に評価することを目的としている。 我々は,PCQA(CoPA)に適した新しいコントラスト付き事前学習フレームワークを提案する。 提案手法は,最新のPCQA手法よりも高い性能を示す。
  論文  参考訳（メタデータ） (2024-03-15T07:16:07Z)
• When No-Reference Image Quality Models Meet MAP Estimation in Diffusion Latents [92.45867913876691]
  非参照画像品質評価(NR-IQA)モデルは、知覚された画像品質を効果的に定量化することができる。 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。
  論文  参考訳（メタデータ） (2024-03-11T03:35:41Z)
• Diffusion Model Based Visual Compensation Guidance and Visual Difference Analysis for No-Reference Image Quality Assessment [78.21609845377644]
  本稿では, 複雑な関係をモデル化する能力を示す, 最先端(SOTA)生成モデルを提案する。 生成した拡張画像とノイズを含む画像を利用する新しい拡散復元ネットワークを考案する。 2つの視覚評価枝は、得られた高レベル特徴情報を包括的に解析するように設計されている。
  論文  参考訳（メタデータ） (2024-02-22T09:39:46Z)
• 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)
• No-Reference Image Quality Assessment via Transformers, Relative Ranking, and Self-Consistency [38.88541492121366]
  No-Reference Image Quality Assessment (NR-IQA) の目的は、主観的評価に応じて知覚的画質を推定することである。 本稿では、変圧器における畳み込みニューラルネットワーク(CNN)と自己保持機構の利点を生かしたハイブリッドアプローチを利用して、NR-IQAタスクに対処する新しいモデルを提案する。
  論文  参考訳（メタデータ） (2021-08-16T02:07:08Z)
• Image Deformation Estimation via Multi-Objective Optimization [13.159751065619544]
  自由形変形モデルは、画像上の制御点格子を操作することにより、幅広い非剛体変形を表現することができる。 フィットネスランドスケープの複雑さのため,変形画像にモデルを直接適合させることは困難である。
  論文  参考訳（メタデータ） (2021-06-08T06:52:12Z)

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。