論文の概要: MMP-2K: A Benchmark Multi-Labeled Macro Photography Image Quality Assessment Database
- arxiv url: http://arxiv.org/abs/2505.19065v1
- Date: Sun, 25 May 2025 09:47:10 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-27 16:58:42.879426
- Title: MMP-2K: A Benchmark Multi-Labeled Macro Photography Image Quality Assessment Database
- Title（参考訳）: MMP-2K: ベンチマークマルチラベルマクロ写真画像品質評価データベース
- Authors: Jiashuo Chang, Zhengyi Li, Jianxun Lou, Zhen Qiu, Hanhe Lin,
- Abstract要約: マクロ写真(英: Macro photo、MP)は、非常に近い範囲で物体を撮影する特殊な写真分野である。
正確なマクロ写真画質評価(MPIQA)はマクロ写真撮影に有用であるが、MPIQAデータの欠如はMPIQAメトリクスの開発を制限している。
3つの公開画像サイトから収集した15,700MP画像から2000MP画像をサンプリングした。
各MP画像に対して、17(外乱除去後の21点中)の品質評価と、歪み等級、種類、位置の詳細な品質レポートを実験室で収集する。
- 参考スコア（独自算出の注目度）: 4.961252838472712
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Macro photography (MP) is a specialized field of photography that captures objects at an extremely close range, revealing tiny details. Although an accurate macro photography image quality assessment (MPIQA) metric can benefit macro photograph capturing, which is vital in some domains such as scientific research and medical applications, the lack of MPIQA data limits the development of MPIQA metrics. To address this limitation, we conducted a large-scale MPIQA study. Specifically, to ensure diversity both in content and quality, we sampled 2,000 MP images from 15,700 MP images, collected from three public image websites. For each MP image, 17 (out of 21 after outlier removal) quality ratings and a detailed quality report of distortion magnitudes, types, and positions are gathered by a lab study. The images, quality ratings, and quality reports form our novel multi-labeled MPIQA database, MMP-2k. Experimental results showed that the state-of-the-art generic IQA metrics underperform on MP images. The database and supplementary materials are available at https://github.com/Future-IQA/MMP-2k.
- Abstract（参考訳）: マクロ写真(英: Macro photo、MP)は、非常に近い範囲で物体を撮影する特殊な写真分野である。
正確なマクロ写真画像品質評価(MPIQA)は、科学的研究や医学応用などいくつかの領域において重要なマクロ写真撮影の恩恵を受けることができるが、MPIQAデータの欠如はMPIQAメトリクスの開発を制限している。
この限界に対処するため,我々はMPIQAを大規模に検討した。
具体的には,3つの公開画像サイトから収集した15,700MP画像から2000MP画像をサンプリングした。
各MP画像に対して、17(外乱除去後の21点中)の品質評価と、歪み等級、種類、位置の詳細な品質レポートを実験室で収集する。
画像、品質評価、品質レポートは、新しい多ラベルMPIQAデータベースMMP-2kを形成する。
実験の結果,MP画像上では,最先端のIQA測定値が低いことがわかった。
データベースと補助資料はhttps://github.com/Future-IQA/MMP-2kで入手できる。
関連論文リスト
- AIM 2024 Challenge on UHD Blind Photo Quality Assessment [49.54883484094671]
AIM 2024 UHD-IQA Challengeは、最新の高解像度写真のためのNo-Reference Image Quality Assessment (NR-IQA)タスクの推進を目的としている。
この課題は、最近リリースされたUHD-IQAベンチマークデータベースに基づいており、このデータベースは、6,073 UHD-1 (4K)イメージに、専門家のレーナーによる知覚的品質評価が付加されている。
論文 参考訳（メタデータ） (2024-09-24T17:44:24Z) - UHD-IQA Benchmark Database: Pushing the Boundaries of Blind Photo Quality Assessment [4.563959812257119]
固定幅3840ピクセルの6073 UHD-1 (4K)画像からなる画像品質評価データセットを提案する。
私たちの作品は、高い技術品質の高度に美的な写真に焦点を当てており、文学のギャップを埋めています。
データセットには、クラウドソーシング調査を通じて得られた知覚的品質評価が注釈付けされている。
論文 参考訳（メタデータ） (2024-06-25T11:30:31Z) - Dual-Branch Network for Portrait Image Quality Assessment [76.27716058987251]
ポートレート画像品質評価のためのデュアルブランチネットワーク(PIQA)を提案する。
我々は2つのバックボーンネットワーク(textiti.e., Swin Transformer-B)を使用して、肖像画全体と顔画像から高品質な特徴を抽出する。
我々は、画像シーンの分類と品質評価モデルであるLIQEを利用して、品質認識とシーン固有の特徴を補助的特徴として捉えている。
論文 参考訳（メタデータ） (2024-05-14T12:43:43Z) - Generalized Portrait Quality Assessment [26.8378202089832]
本稿では,ポートレート品質評価(PQA)に対する学習に基づくアプローチを提案する。
提案手法はPIQ23ベンチマークの広範な実験により検証された。
FHIQAのソースコードは、PIQ23 GitHubリポジトリで公開されている。
論文 参考訳（メタデータ） (2024-02-14T13:47:18Z) - High Resolution Image Quality Database [16.741536204898555]
解像度2880×2160ピクセルの1120枚の画像からなる新しい高解像度画像品質データベース(HRIQ)を作成する。
高解像度画像の平均評価スコア(MOS)を正確に予測するために,BIQAモデルをトレーニングするための高解像度画像品質データベースの重要性を実証するために,本データベースの様々な解像度バージョンに基づいて,従来の深層学習に基づくBIQA手法を訓練・試験した。
論文 参考訳（メタデータ） (2024-01-29T11:55:01Z) - MIPI 2023 Challenge on RGBW Remosaic: Methods and Results [88.53703757370016]
本稿は、MIPI 2023上でのRGBW Joint Remosaic and Denoiseのトラックを要約し、レビューする。
合計81人の参加者が登録され、4チームが最終テストフェーズで結果を提出した。
本論文では,本課題で開発された上位3モデルについて詳述する。
論文 参考訳（メタデータ） (2023-04-20T05:12:42Z) - MIPI 2023 Challenge on RGBW Fusion: Methods and Results [88.53703757370016]
本稿は、MIPI 2023上でのRGBW Joint Fusion and Denoiseのトラックを要約し、レビューする。
合計69人の参加者が登録され、4チームが最終テストフェーズで結果を提出した。
本論文では,本課題で開発された上位3モデルについて詳述する。
論文 参考訳（メタデータ） (2023-04-20T05:02:03Z) - An Image Quality Assessment Dataset for Portraits [0.9786690381850354]
本稿では,PIQ23について紹介する。PIQ23は,100台のスマートフォンが取得した50のシナリオの5116枚の画像からなる,ポートレート固有のIQAデータセットである。
このデータセットには、さまざまな性別や民族の個人が含まれており、公開研究に使用される写真について、明確かつインフォームドな同意を与えている。
これらのアノテーションの詳細な統計解析により、PIQ23上での一貫性を評価することができる。
論文 参考訳（メタデータ） (2023-04-12T11:30:06Z) - Measuring Perceptual Color Differences of Smartphone Photographs [55.9434603885868]
知覚CD評価のための最大の画像データセットをまとめた。
我々は、軽量ニューラルネットワークに基づいて、エンドツーエンドで学習可能なCD公式を構築するための最初の試みの1つである。
論文 参考訳（メタデータ） (2022-05-26T16:57:04Z) - Confusing Image Quality Assessment: Towards Better Augmented Reality
Experience [96.29124666702566]
我々はAR技術を仮想シーンと実シーンの重ね合わせとみなし、視覚的混乱を基本的な理論として紹介する。
ConFusing Image Quality Assessment (CFIQA)データベースが構築され、600個の参照画像と300個の歪画像とをペアに混合して生成する。
また、難解な画像品質をよりよく評価するために、CFIQAと呼ばれる客観的な計量も提案されている。
論文 参考訳（メタデータ） (2022-04-11T07:03:06Z)
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。