論文の概要: Perception-oriented Bidirectional Attention Network for Image Super-resolution Quality Assessment

• arxiv url: http://arxiv.org/abs/2509.06442v1
• Date: Mon, 08 Sep 2025 08:39:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-09 14:07:04.020134
• Title: Perception-oriented Bidirectional Attention Network for Image Super-resolution Quality Assessment
• Title（参考訳）: 画像高解像度品質評価のための知覚指向双方向注意ネットワーク
• Authors: Yixiao Li, Xiaoyuan Yang, Guanghui Yue, Jun Fu, Qiuping Jiang, Xu Jia, Paul L. Rosin, Hantao Liu, Wei Zhou,
• Abstract要約: 画像SR FR-IQAのための知覚指向双方向注意ネットワーク(PBAN)を提案する。 PBANは、イメージエンコーダモジュール、知覚指向双方向アテンション(PBA)モジュール、品質予測モジュールの3つのモジュールで構成されている。 提案するPBANは,最先端の品質評価方法より優れている。
• 参考スコア（独自算出の注目度）: 61.27648290203618
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Many super-resolution (SR) algorithms have been proposed to increase image resolution. However, full-reference (FR) image quality assessment (IQA) metrics for comparing and evaluating different SR algorithms are limited. In this work, we propose the Perception-oriented Bidirectional Attention Network (PBAN) for image SR FR-IQA, which is composed of three modules: an image encoder module, a perception-oriented bidirectional attention (PBA) module, and a quality prediction module. First, we encode the input images for feature representations. Inspired by the characteristics of the human visual system, we then construct the perception-oriented PBA module. Specifically, different from existing attention-based SR IQA methods, we conceive a Bidirectional Attention to bidirectionally construct visual attention to distortion, which is consistent with the generation and evaluation processes of SR images. To further guide the quality assessment towards the perception of distorted information, we propose Grouped Multi-scale Deformable Convolution, enabling the proposed method to adaptively perceive distortion. Moreover, we design Sub-information Excitation Convolution to direct visual perception to both sub-pixel and sub-channel attention. Finally, the quality prediction module is exploited to integrate quality-aware features and regress quality scores. Extensive experiments demonstrate that our proposed PBAN outperforms state-of-the-art quality assessment methods.
• Abstract（参考訳）: 画像解像度を向上させるために多くの超解像アルゴリズムが提案されている。 しかし、異なるSRアルゴリズムの比較と評価を行うためのフル参照(FR)画像品質評価(IQA)メトリクスは限られている。 本研究では、イメージエンコーダモジュール、知覚指向双方向アテンション(PBA)モジュール、品質予測モジュールの3つのモジュールからなる画像SR FR-IQAに対する知覚指向双方向アテンションネットワーク(PBAN)を提案する。 まず,特徴表現のための入力画像を符号化する。 人間の視覚システムの特徴に触発されて、知覚指向のPBAモジュールを構築する。 具体的には,既存のSR IQA法と異なり,歪みに対する視覚的注意を双方向に構築するための双方向注意法を考案する。 歪み情報の知覚に向け品質評価を更に導くため,提案手法は適応的に歪みを知覚できるグループ・マルチスケール・デフォルマブル・コンボリューションを提案する。 さらに,サブピクセルとサブチャネルの両方の注意を視覚的に知覚するために,サブインフォメーション・エキサイティング・コンボリューションを設計する。 最後に、品質予測モジュールを使用して品質認識機能の統合と品質スコアの回帰を行う。 大規模実験により,提案したPBANは最先端の品質評価方法より優れていることが示された。

関連論文リスト

• DP-IQA: Utilizing Diffusion Prior for Blind Image Quality Assessment in the Wild [73.6767681305851]
  野生のブラインド画像品質評価(IQA)は重大な課題を呈している。 大規模なトレーニングデータの収集が困難であることを考えると、厳密な一般化モデルを開発するために限られたデータを活用することは、未解決の問題である。 事前訓練されたテキスト・ツー・イメージ(T2I)拡散モデルの堅牢な画像認識能力により,新しいIQA法,拡散先行に基づくIQAを提案する。
  論文  参考訳（メタデータ） (2024-05-30T12:32:35Z)
• Image Quality Assessment With Compressed Sampling [5.76395285614395]
  圧縮サンプリングを用いたNR-IQA(CL-IQAとCS-IQA)の2つのネットワークを提案する。 1)イメージをサンプリングする圧縮サンプリングモジュール(CSM) (2)高レベルの特徴を抽出する適応埋め込みモジュール(AEM)。 実験により,提案手法は,データ使用量が少ない様々なデータセットにおいて,他の手法よりも優れていることが示された。
  論文  参考訳（メタデータ） (2024-04-26T05:51:57Z)
• Assessor360: Multi-sequence Network for Blind Omnidirectional Image Quality Assessment [50.82681686110528]
  Blind Omnidirectional Image Quality Assessment (BOIQA)は、全方位画像(ODI)の人間の知覚品質を客観的に評価することを目的としている。 ODIの品質評価は、既存のBOIQAパイプラインがオブザーバのブラウジングプロセスのモデリングを欠いているという事実によって著しく妨げられている。 Assessor360と呼ばれるBOIQAのための新しいマルチシーケンスネットワークを提案する。
  論文  参考訳（メタデータ） (2023-05-18T13:55:28Z)
• SPQE: Structure-and-Perception-Based Quality Evaluation for Image Super-Resolution [24.584839578742237]
  超解像技術は画像の画質を大幅に改善し、解像度を向上した。 また、これらのアルゴリズムや生成された画像を評価するための効率的なSR画像品質評価(SR-IQA)も求めている。 深層学習ベースSRでは、生成した高品質で視覚的に喜ぶ画像は、対応する低品質の画像とは異なる構造を持つ可能性がある。
  論文  参考訳（メタデータ） (2022-05-07T07:52:55Z)
• Towards Unsupervised Deep Image Enhancement with Generative Adversarial Network [92.01145655155374]
  監視されていない画像強調生成ネットワーク(UEGAN)を提案する。 教師なしの方法で所望の特性を持つ画像の集合から、対応する画像と画像のマッピングを学習する。 その結果,提案モデルは画像の美的品質を効果的に向上することがわかった。
  論文  参考訳（メタデータ） (2020-12-30T03:22:46Z)
• Blind Quality Assessment for Image Superresolution Using Deep Two-Stream Convolutional Networks [41.558981828761574]
  我々は,非参照深部ニューラルネットワークを用いたSR画像品質評価器(DeepSRQ)を提案する。 様々な歪んだSR画像のより識別的な特徴表現を学習するために、提案したDeepSRQは2ストリームの畳み込みネットワークである。 3つの公開SR画像品質データベースの実験結果から,提案したDeepSRQの有効性と一般化能力を示す。
  論文  参考訳（メタデータ） (2020-04-13T19:14:28Z)

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。