論文の概要: CGVQM+D: Computer Graphics Video Quality Metric and Dataset

• arxiv url: http://arxiv.org/abs/2506.11546v1
• Date: Fri, 13 Jun 2025 07:59:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-16 17:50:49.702727
• Title: CGVQM+D: Computer Graphics Video Quality Metric and Dataset
• Title（参考訳）: CGVQM+D:コンピュータグラフィックスビデオの品質指標とデータセット
• Authors: Akshay Jindal, Nabil Sadaka, Manu Mathew Thomas, Anton Sochenov, Anton Kaplanyan,
• Abstract要約: 本稿では,高度なレンダリング技術によって導入された歪みに着目した映像品質データセットを提案する。 評価の結果,既存の全参照品質指標はこれらの歪みに準最適に作用することがわかった。 本稿では,CGVQMを提案する。
• 参考スコア（独自算出の注目度）: 4.5660125761127235
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: While existing video and image quality datasets have extensively studied natural videos and traditional distortions, the perception of synthetic content and modern rendering artifacts remains underexplored. We present a novel video quality dataset focused on distortions introduced by advanced rendering techniques, including neural supersampling, novel-view synthesis, path tracing, neural denoising, frame interpolation, and variable rate shading. Our evaluations show that existing full-reference quality metrics perform sub-optimally on these distortions, with a maximum Pearson correlation of 0.78. Additionally, we find that the feature space of pre-trained 3D CNNs aligns strongly with human perception of visual quality. We propose CGVQM, a full-reference video quality metric that significantly outperforms existing metrics while generating both per-pixel error maps and global quality scores. Our dataset and metric implementation is available at https://github.com/IntelLabs/CGVQM.
• Abstract（参考訳）: 既存のビデオや画像の品質データセットは、自然なビデオや従来の歪みを幅広く研究してきたが、合成コンテンツや現代的なレンダリングアーティファクトの認識はいまだに解明されていない。 本稿では,ニューラルスーパーサンプリング,ニューラルビュー合成,パストレース,ニューラルデノイング,フレーム補間,可変レートシェーディングなど,高度なレンダリング技術によって導入された歪みに着目した映像品質データセットを提案する。 評価の結果,既存の全参照品質指標はこれらの歪みに準最適に作用し,Pearson相関は最大0.78であることがわかった。 さらに,事前学習した3D CNNの特徴空間は視覚的品質に対する人間の認識と強く一致していることがわかった。 本稿では,CGVQMを提案する。CGVQMは,画素単位の誤差マップとグローバル品質スコアの両方を生成しながら,既存の指標を大幅に上回っている。 データセットとメトリックの実装はhttps://github.com/IntelLabs/CGVQM.comで公開しています。

関連論文リスト

• Koala-36M: A Large-scale Video Dataset Improving Consistency between Fine-grained Conditions and Video Content [35.02160595617654]
  我々は,正確な時間分割,詳細なキャプション,優れた映像品質を備えた大規模高品質ビデオデータセットであるKoala-36Mを紹介した。 確率分布に線形分類器を用い、遷移検出の精度を高め、時間的整合性を向上させる。 複数のサブメトリックを統合するVTSS(Video Training Suitability Score)を開発した。
  論文  参考訳（メタデータ） (2024-10-10T17:57:49Z)
• BVI-RLV: A Fully Registered Dataset and Benchmarks for Low-Light Video Enhancement [56.97766265018334]
  本稿では,2つの異なる低照度条件下での様々な動きシナリオを持つ40のシーンからなる低照度映像データセットを提案する。 我々は、プログラム可能なモータードリーを用いて、通常の光で捉えた完全に登録された地上真実データを提供し、異なる光レベルにわたるピクセルワイドフレームアライメントのための画像ベースアプローチによりそれを洗練する。 実験の結果,Low-light Video enhancement (LLVE) における完全登録ビデオペアの重要性が示された。
  論文  参考訳（メタデータ） (2024-07-03T22:41:49Z)
• D-NPC: Dynamic Neural Point Clouds for Non-Rigid View Synthesis from Monocular Video [53.83936023443193]
  本稿では,スマートフォンのキャプチャなどのモノクロ映像から動的に新しいビューを合成する手法を導入することにより,この分野に貢献する。 我々のアプローチは、局所的な幾何学と外観を別個のハッシュエンコードされたニューラル特徴グリッドにエンコードする暗黙の時間条件のポイントクラウドである、$textitdynamic Neural point cloudとして表現されている。
  論文  参考訳（メタデータ） (2024-06-14T14:35:44Z)
• Expanding Synthetic Real-World Degradations for Blind Video Super Resolution [3.474523163017713]
  ビデオ超解像(VSR)技術はここ数年で大幅に改善され、合成データに顕著な性能を示した。 しかし、実世界のビデオデータにおけるそれらのパフォーマンスは、実世界の劣化と不整合のビデオフレームの複雑さに悩まされている。 本稿では,合成学習データセットにおける実世界の劣化について述べる。
  論文  参考訳（メタデータ） (2023-05-04T08:58:31Z)
• Learning from Mixed Datasets: A Monotonic Image Quality Assessment Model [17.19991754976893]
  異なるデータセットを組み合わせたIQAモデル学習のための単調ニューラルネットワークを提案する。 特に,本モデルは,データセット共有品質回帰器と,データセット固有の品質変換器から構成される。
  論文  参考訳（メタデータ） (2022-09-21T15:53:59Z)
• Exploring the Effectiveness of Video Perceptual Representation in Blind Video Quality Assessment [55.65173181828863]
  表現の図形的形態を記述することにより、時間的歪みを測定するための時間的知覚品質指標(TPQI)を提案する。 実験の結果,TPQIは主観的時間的品質を予測する効果的な方法であることがわかった。
  論文  参考訳（メタデータ） (2022-07-08T07:30:51Z)
• Image Quality Assessment using Contrastive Learning [50.265638572116984]
  我々は、補助的な問題を解決するために、対照的な対の目的を用いて深層畳み込みニューラルネットワーク(CNN)を訓練する。 本研究では,最新のNR画像品質モデルと比較して,ContriQUEが競争性能を向上することを示す。 以上の結果から,大きなラベル付き主観的画像品質データセットを必要とせずに,知覚的関連性を持つ強力な品質表現が得られることが示唆された。
  論文  参考訳（メタデータ） (2021-10-25T21:01:00Z)
• Unified Quality Assessment of In-the-Wild Videos with Mixed Datasets Training [20.288424566444224]
  我々は、コンピュータビジョンアプリケーションにおいて、Wildビデオの品質を自動評価することに注力する。 品質評価モデルの性能向上のために,人間の知覚から直観を借りる。 複数のデータセットで単一のVQAモデルをトレーニングするための混合データセットトレーニング戦略を提案する。
  論文  参考訳（メタデータ） (2020-11-09T09:22:57Z)
• Coherent Loss: A Generic Framework for Stable Video Segmentation [103.78087255807482]
  ビデオセグメンテーションの結果の視覚的品質を,ジッタリングアーティファクトがいかに劣化させるかを検討する。 本稿では,ニューラルネットワークの性能向上を目的とした汎用フレームワークを備えたコヒーレントロスを提案する。
  論文  参考訳（メタデータ） (2020-10-25T10:48:28Z)

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。