論文の概要: PointSSIM: A novel low dimensional resolution invariant image-to-image comparison metric

• arxiv url: http://arxiv.org/abs/2506.23833v1
• Date: Mon, 30 Jun 2025 13:24:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-01 21:27:54.07346
• Title: PointSSIM: A novel low dimensional resolution invariant image-to-image comparison metric
• Title（参考訳）: ポイントSSIM:新しい低次元解像度不変画像-画像比較計量
• Authors: Oscar Ovanger, Ragnar Hauge, Jacob Skauvold, Michael J. Pyrcz, Jo Eidsvik,
• Abstract要約: PointSSIM は解像度不変の画像と画像の比較指標である。 最小距離変換から局所適応最大値を特定することにより、2進画像から、アンカー点と呼ばれる画像の重要な特徴を抽出する。 結果から,本手法は画像比較の効率的かつ信頼性の高い手法であり,特に解像度の異なる構造解析を必要とするアプリケーションに適していることが示唆された。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper presents PointSSIM, a novel low-dimensional image-to-image comparison metric that is resolution invariant. Drawing inspiration from the structural similarity index measure and mathematical morphology, PointSSIM enables robust comparison across binary images of varying resolutions by transforming them into marked point pattern representations. The key features of the image, referred to as anchor points, are extracted from binary images by identifying locally adaptive maxima from the minimal distance transform. Image comparisons are then performed using a summary vector, capturing intensity, connectivity, complexity, and structural attributes. Results show that this approach provides an efficient and reliable method for image comparison, particularly suited to applications requiring structural analysis across different resolutions.
• Abstract（参考訳）: 本稿では,解像度不変な新しい低次元画像-画像比較指標であるPointSSIMを提案する。 構造類似度指数測度と数学的形態学からインスピレーションを得たPointSSIMは、様々な解像度のバイナリ画像間で頑健な比較を可能にし、それらをマークされた点パターン表現に変換する。 最小距離変換から局所適応最大値を特定することにより、2進画像から、アンカー点と呼ばれる画像の重要な特徴を抽出する。 画像比較は、要約ベクトルを使用して実行され、強度、接続性、複雑さ、構造的属性をキャプチャする。 結果から,本手法は画像比較の効率的かつ信頼性の高い手法であり,特に解像度の異なる構造解析を必要とするアプリケーションに適していることが示唆された。

関連論文リスト

• CSIM: A Copula-based similarity index sensitive to local changes for Image quality assessment [2.3874115898130865]
  画像類似度メトリクスは、画像処理、コンピュータビジョン、機械学習で使用されるため、コンピュータビジョンアプリケーションにおいて重要な役割を果たす。 PSNR、MSE、SSIM、ISSM、FSIMといった既存のメトリクスは、画像の小さな変更に対する速度、複雑さ、感度のいずれにおいても制限に直面していることが多い。 本稿では,画像の微妙な変化に敏感でありながらリアルタイムに組み合わせた新しい画像類似度指標CSIMについて検討する。
  論文  参考訳（メタデータ） (2024-10-02T10:46:05Z)
• Efficient Visual State Space Model for Image Deblurring [99.54894198086852]
  畳み込みニューラルネットワーク(CNN)とビジョントランスフォーマー(ViT)は、画像復元において優れた性能を発揮している。 本稿では,画像のデブロアに対する簡易かつ効果的な視覚状態空間モデル(EVSSM)を提案する。 提案したEVSSMは、ベンチマークデータセットや実世界の画像に対する最先端の手法に対して好意的に機能する。
  論文  参考訳（メタデータ） (2024-05-23T09:13:36Z)
• Beyond Learned Metadata-based Raw Image Reconstruction [86.1667769209103]
  生画像は、線形性や微細な量子化レベルなど、sRGB画像に対して明確な利点がある。 ストレージの要求が大きいため、一般ユーザからは広く採用されていない。 本稿では,メタデータとして,潜在空間におけるコンパクトな表現を学習する新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-06-21T06:59:07Z)
• LocalTrans: A Multiscale Local Transformer Network for Cross-Resolution Homography Estimation [52.63874513999119]
  クロスレゾリューション画像アライメントは、マルチスケールギガ撮影において重要な問題である。 既存のディープ・ホモグラフィー手法は、それらの間の対応の明示的な定式化を無視し、クロスレゾリューションの課題において精度が低下する。 本稿では,マルチモーダル入力間の対応性を明確に学習するために,マルチスケール構造内に埋め込まれたローカルトランスフォーマーネットワークを提案する。
  論文  参考訳（メタデータ） (2021-06-08T02:51:45Z)
• Image Matching with Scale Adjustment [57.18604132027697]
  可変スケールでの関心点の表現と抽出方法を示す。 2つの異なる解像度で2つの画像を比較する方法を提案する。
  論文  参考訳（メタデータ） (2020-12-10T11:03:25Z)
• Semantic Change Detection with Asymmetric Siamese Networks [71.28665116793138]
  2つの空中画像が与えられた場合、セマンティックチェンジ検出は、土地被覆のバリエーションを特定し、それらの変化タイプをピクセルワイド境界で識別することを目的としている。 この問題は、正確な都市計画や天然資源管理など、多くの地球ビジョンに関連するタスクにおいて不可欠である。 本研究では, 広く異なる構造を持つモジュールから得られた特徴対を用いて意味変化を同定し, 同定するための非対称システマネットワーク(ASN)を提案する。
  論文  参考訳（メタデータ） (2020-10-12T13:26:30Z)
• Efficient Computation of Higher Order 2D Image Moments using the Discrete Radon Transform [0.0]
  離散ラドン変換に基づく効率的なアルゴリズムを拡張し,第3次より大きいモーメントを生成する。 画像領域に基づくアルゴリズムのスケーリング結果と標準手法との比較により,提案手法の有効性が示された。
  論文  参考訳（メタデータ） (2020-09-04T15:26:03Z)

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。