論文の概要: Objective, Absolute and Hue-aware Metrics for Intrinsic Image Decomposition on Real-World Scenes: A Proof of Concept

• arxiv url: http://arxiv.org/abs/2505.19500v1
• Date: Mon, 26 May 2025 04:28:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-27 16:58:43.16835
• Title: Objective, Absolute and Hue-aware Metrics for Intrinsic Image Decomposition on Real-World Scenes: A Proof of Concept
• Title（参考訳）: 現実の場面における本質的な画像分解のための客観的,絶対的,かつヒューアウェアなメトリクス:概念の証明
• Authors: Shogo Sato, Masaru Tsuchida, Mariko Yamaguchi, Takuhiro Kaneko, Kazuhiko Murasaki, Taiga Yoshida, Ryuichi Tanida,
• Abstract要約: 内在画像分解(IID)は、イメージをアルベドとシェードに分離するタスクである。 本稿では,高スペクトル像と光検出・測光(LiDAR)強度から算出したアルベドを用いた定量的評価の概念を提案する。 また、スペクトル類似性に基づく任意アルベド密度化手法も導入する。
• 参考スコア（独自算出の注目度）: 12.297351386142013
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Intrinsic image decomposition (IID) is the task of separating an image into albedo and shade. In real-world scenes, it is difficult to quantitatively assess IID quality due to the unavailability of ground truth. The existing method provides the relative reflection intensities based on human-judged annotations. However, these annotations have challenges in subjectivity, relative evaluation, and hue non-assessment. To address these, we propose a concept of quantitative evaluation with a calculated albedo from a hyperspectral imaging and light detection and ranging (LiDAR) intensity. Additionally, we introduce an optional albedo densification approach based on spectral similarity. This paper conducted a concept verification in a laboratory environment, and suggested the feasibility of an objective, absolute, and hue-aware assessment. (This paper is accepted by IEEE ICIP 2025. )
• Abstract（参考訳）: 内在画像分解(IID)は、イメージをアルベドとシェードに分離するタスクである。 現実の場面では、地上の真理が利用できないため、IDDの品質を定量的に評価することは困難である。 既存の手法は、人手によるアノテーションに基づく相対反射強度を提供する。 しかし、これらのアノテーションには主観性、相対的評価、そして非評価の理由に課題がある。 そこで本研究では,高スペクトルイメージングと光検出・測光(LiDAR)強度から算出したアルベドを用いた定量的評価の概念を提案する。 さらに,スペクトル類似性に基づくアルベド密度化手法を提案する。 本研究は,実験室環境における概念検証を行い,客観的,絶対的,時間的評価の可能性について提案した。 (この論文はIEEE ICIP 2025で受け入れられている。)

関連論文リスト

• Occlusion-Aware Self-Supervised Monocular Depth Estimation for Weak-Texture Endoscopic Images [1.1084686909647639]
  内視鏡的シーンに適した自己教師付き単眼深度推定ネットワークを提案する。 既存の方法は正確ではあるが、通常は一貫した照明を仮定する。 これらの変化は、誤った幾何学的解釈と信頼できない自己監督信号をもたらす。
  論文  参考訳（メタデータ） (2025-04-24T14:12:57Z)
• Evaluation of Machine-generated Biomedical Images via A Tally-based Similarity Measure [1.12359878474312]
  合成画像の品質を定量的かつ権威的に評価することは困難である。 生成された画質の有意義な評価は、Tversky Indexを使って達成できる。 主な結果は、主観性と本質的な特徴符号化選択の欠陥が先行すると、トヴェルスキーの手法は直感的な結果をもたらすということである。
  論文  参考訳（メタデータ） (2025-03-28T17:44:01Z)
• Intrinsic Image Decomposition for Robust Self-supervised Monocular Depth Estimation on Reflective Surfaces [10.557788087220509]
  自己教師付き単分子深度推定(SSMDE)は深層学習の分野で注目を集めている。 固有画像分解をSSMDEに組み込んだ新しいフレームワークを提案する。 本手法は単眼深度推定と内在画像分解の両方を相乗的に訓練する。
  論文  参考訳（メタデータ） (2025-03-28T07:56:59Z)
• PIGUIQA: A Physical Imaging Guided Perceptual Framework for Underwater Image Quality Assessment [59.9103803198087]
  水中画像品質評価(UIQA)のための物理画像ガイド型知覚フレームワークを提案する。 水中放射移動理論を応用して、物理に基づく画像推定を統合して、これらの歪みの定量的な測定値を確立する。 提案モデルは,画像品質のスコアを正確に予測し,最先端の性能を実現する。
  論文  参考訳（メタデータ） (2024-12-20T03:31:45Z)
• Adaptive Stereo Depth Estimation with Multi-Spectral Images Across All Lighting Conditions [58.88917836512819]
  本稿では,立体深度推定を取り入れた新しいフレームワークを提案し,正確な幾何学的制約を強制する。 照明の劣化がステレオマッチングに与える影響を軽減するために,劣化マスキングを導入する。 提案手法は,Multi-Spectral Stereo(MS2)データセット上でのSOTA(State-of-the-art)性能を実現する。
  論文  参考訳（メタデータ） (2024-11-06T03:30:46Z)
• Introspective Deep Metric Learning [91.47907685364036]
  本稿では,不確実性を考慮した画像比較のためのイントロスペクティブな深度学習フレームワークを提案する。 提案するIDMLフレームワークは,不確実性モデリングによるディープメトリック学習の性能を向上させる。
  論文  参考訳（メタデータ） (2023-09-11T16:21:13Z)
• Dehazed Image Quality Evaluation: From Partial Discrepancy to Blind Perception [35.257798506356814]
  画像のデハジングは、ぼんやりとした画像から空間的詳細を復元することを目的としている。 本稿では,部分的不一致に基づく画像品質評価手法を提案する。 Blind Perceptionを用いたNo-Reference品質評価尺度に拡張する。
  論文  参考訳（メタデータ） (2022-11-22T23:49:14Z)
• A Principled Design of Image Representation: Towards Forensic Tasks [75.40968680537544]
  本稿では, 理論, 実装, 応用の観点から, 法科学指向の画像表現を別の問題として検討する。 理論レベルでは、Dense Invariant Representation (DIR)と呼ばれる、数学的保証を伴う安定した記述を特徴とする、新しい法医学の表現フレームワークを提案する。 本稿では, ドメインパターンの検出とマッチング実験について, 最先端の記述子との比較結果を提供する。
  論文  参考訳（メタデータ） (2022-03-02T07:46:52Z)
• Learning Conditional Knowledge Distillation for Degraded-Reference Image Quality Assessment [157.1292674649519]
  劣化参照IQA(DR-IQA)という実用的な解を提案する。 DR-IQAはIRモデルの入力、劣化したイメージを参照として利用する。 私たちの結果は、フル参照設定のパフォーマンスに近いものもあります。
  論文  参考訳（メタデータ） (2021-08-18T02:35:08Z)

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。