論文の概要: PhotIQA: A photoacoustic image data set with image quality ratings

• arxiv url: http://arxiv.org/abs/2507.03478v1
• Date: Fri, 04 Jul 2025 11:06:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-08 15:46:34.748323
• Title: PhotIQA: A photoacoustic image data set with image quality ratings
• Title（参考訳）: PhotIQA:画質評価付き光音響画像データセット
• Authors: Anna Breger, Janek Gröhl, Clemens Karner, Thomas R Else, Ian Selby, Jonathan Weir-McCall, Carola-Bibiane Schönlieb,
• Abstract要約: PhotIQAは、5つの品質特性の2人の専門家によって評価された1134個の再構成光音響画像からなるデータセットである。 ベースライン実験の結果,HaarPSI$_med$は品質評価と相関してSSIMを著しく上回っていることがわかった。
• 参考スコア（独自算出の注目度）: 7.753621023890248
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Image quality assessment (IQA) is crucial in the evaluation stage of novel algorithms operating on images, including traditional and machine learning based methods. Due to the lack of available quality-rated medical images, most commonly used IQA methods employing reference images (i.e. full-reference IQA) have been developed and tested for natural images. Reported application inconsistencies arising when employing such measures for medical images are not surprising, as they rely on different properties than natural images. In photoacoustic imaging (PAI), especially, standard benchmarking approaches for assessing the quality of image reconstructions are lacking. PAI is a multi-physics imaging modality, in which two inverse problems have to be solved, which makes the application of IQA measures uniquely challenging due to both, acoustic and optical, artifacts. To support the development and testing of full- and no-reference IQA measures we assembled PhotIQA, a data set consisting of 1134 reconstructed photoacoustic (PA) images that were rated by 2 experts across five quality properties (overall quality, edge visibility, homogeneity, inclusion and background intensity), where the detailed rating enables usage beyond PAI. To allow full-reference assessment, highly characterised imaging test objects were used, providing a ground truth. Our baseline experiments show that HaarPSI$_{med}$ significantly outperforms SSIM in correlating with the quality ratings (SRCC: 0.83 vs. 0.62). The dataset is publicly available at https://doi.org/10.5281/zenodo.13325196.
• Abstract（参考訳）: 画像品質評価(IQA)は、従来の機械学習に基づく手法を含む画像上で動作する新しいアルゴリズムの評価段階において重要である。 医用画像の品質評価が不十分なため、参照画像(フル参照IQA)を用いたIQA法が開発・試験されている。 医用画像にそのような措置をとれば, 自然画像と異なる性質に依存するため, 不整合が生じるという報告は意外ではない。 光音響イメージング(PAI)では、画像再構成の品質を評価するための標準的なベンチマーク手法が欠如している。 PAIは2つの逆問題(逆問題)を解決しなければならないマルチ物理画像モダリティであり、IQA法の適用は音響的および光学的両方のアーチファクトによって独特に困難である。 PhotIQAは5つの品質特性(全品質、エッジ可視性、均質性、包摂性、背景強度)の2つの専門家によって評価された1134個の再構成フォトアコースティック(PA)画像からなるデータセットで、詳細な評価はPAIを超えて使用することができる。 フルレファレンス評価を可能にするため、高度に特徴付けられた撮像テストオブジェクトが用いられ、基礎的な真実が得られた。 ベースライン実験の結果,HaarPSI$_{med}$は品質評価(SRCC: 0.83 vs。 データセットはhttps://doi.org/10.5281/zenodo.13325196で公開されている。

関連論文リスト

• Toward Generalized Image Quality Assessment: Relaxing the Perfect Reference Quality Assumption [21.811319260270732]
  フルリファレンス画像品質評価(FR-IQA)は一般的に、参照画像が完全な品質であると仮定する。 近年の再生強調法は、原画像よりも高品質な画像を生成することができる。 実験画像の忠実度と自然度を正確に評価し、適応的に組み合わせるために、一般化されたFR-IQAモデル(Adaptive Fidelity-Naturalness Evaluator, A-FINE)を提案する。
  論文  参考訳（メタデータ） (2025-03-14T09:12:03Z)
• HarmonyIQA: Pioneering Benchmark and Model for Image Harmonization Quality Assessment [66.17085272972885]
  画像調和評価のための画像品質評価データベース(HarmonyIQAD)について紹介する。 本研究では,ハーモニー画像品質評価(Harmony Image Quality Assessment, HarmonyIQA)を提案する。 実験により、ハーモニーIQAは、調和した画像に対する人間の視覚的嗜好評価において最先端のパフォーマンスを達成することが示された。
  論文  参考訳（メタデータ） (2025-01-02T07:30:17Z)
• Parameter choices in HaarPSI for IQA with medical images [6.133660772208096]
  我々は,2つの医用画像データセット,フォトアコースティックと胸部X線データセットのパラメータをIQAの専門家評価で最適化する。 本稿では,HaarPSI$_MED$として,新規に最適化された設定について述べる。
  論文  参考訳（メタデータ） (2024-10-31T16:28:49Z)
• AIGCOIQA2024: Perceptual Quality Assessment of AI Generated Omnidirectional Images [70.42666704072964]
  我々はAI生成の全方位画像IQAデータベースAIIGCOIQA2024を構築した。 3つの視点から人間の視覚的嗜好を評価するために、主観的IQA実験を行った。 我々は,データベース上での最先端IQAモデルの性能を評価するためのベンチマーク実験を行った。
  論文  参考訳（メタデータ） (2024-04-01T10:08:23Z)
• Feature Denoising Diffusion Model for Blind Image Quality Assessment [58.5808754919597]
  Blind Image Quality Assessment (BIQA) は、基準ベンチマークを使わずに、人間の知覚に合わせて画質を評価することを目的としている。 ディープラーニング BIQA の手法は、一般的に、伝達学習のための高レベルのタスクの特徴の使用に依存する。 本稿では,BIQAにおける特徴認知のための拡散モデルについて検討する。
  論文  参考訳（メタデータ） (2024-01-22T13:38:24Z)
• PKU-I2IQA: An Image-to-Image Quality Assessment Database for AI Generated Images [1.6031185986328562]
  我々はPKU-I2IQAという人間の知覚に基づく画像から画像へのAIGCIQAデータベースを構築した。 本研究では,非参照画像品質評価法に基づくNR-AIGCIQAとフル参照画像品質評価法に基づくFR-AIGCIQAの2つのベンチマークモデルを提案する。
  論文  参考訳（メタデータ） (2023-11-27T05:53:03Z)
• Conformer and Blind Noisy Students for Improved Image Quality Assessment [80.57006406834466]
  知覚品質評価(IQA)のための学習ベースアプローチは、通常、知覚品質を正確に測定するために歪んだ画像と参照画像の両方を必要とする。 本研究では,変換器を用いた全参照IQAモデルの性能について検討する。 また,全教師モデルから盲人学生モデルへの半教師付き知識蒸留に基づくIQAの手法を提案する。
  論文  参考訳（メタデータ） (2022-04-27T10:21:08Z)
• 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)
• Image Quality Assessment for Magnetic Resonance Imaging [4.05136808278614]
  画像品質評価(IQA)アルゴリズムは、画像品質に対する人間の認識を再現することを目的としている。 我々は、MRIに関連する問題を解決するために訓練されたニューラルネットワークモデルの出力を使用する。 7人の訓練された放射線学者が歪んだ画像を評価し、その判断は35の異なる画像品質指標と相関した。
  論文  参考訳（メタデータ） (2022-03-15T11:52:29Z)
• 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。