論文の概要: The Unanticipated Asymmetry Between Perceptual Optimization and Assessment

• arxiv url: http://arxiv.org/abs/2509.20878v1
• Date: Thu, 25 Sep 2025 08:08:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-26 20:58:12.782433
• Title: The Unanticipated Asymmetry Between Perceptual Optimization and Assessment
• Title（参考訳）: 知覚最適化と評価の予期せぬ非対称性
• Authors: Jiabei Zhang, Qi Wang, Siyu Wu, Du Chen, Tianhe Wu,
• Abstract要約: 画像品質評価(IQA)に優れる忠実度指標は知覚的最適化に必ずしも有効ではないことを示す。 また、識別器設計は、バニラやトランスフォーマーベースの代替品よりも、より忠実な詳細な再構築を提供するパッチレベルおよび畳み込みアーキテクチャによって、最適化を形作る上で決定的な役割を担っていることも示している。
• 参考スコア（独自算出の注目度）: 15.11427750828098
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Perceptual optimization is primarily driven by the fidelity objective, which enforces both semantic consistency and overall visual realism, while the adversarial objective provides complementary refinement by enhancing perceptual sharpness and fine-grained detail. Despite their central role, the correlation between their effectiveness as optimization objectives and their capability as image quality assessment (IQA) metrics remains underexplored. In this work, we conduct a systematic analysis and reveal an unanticipated asymmetry between perceptual optimization and assessment: fidelity metrics that excel in IQA are not necessarily effective for perceptual optimization, with this misalignment emerging more distinctly under adversarial training. In addition, while discriminators effectively suppress artifacts during optimization, their learned representations offer only limited benefits when reused as backbone initializations for IQA models. Beyond this asymmetry, our findings further demonstrate that discriminator design plays a decisive role in shaping optimization, with patch-level and convolutional architectures providing more faithful detail reconstruction than vanilla or Transformer-based alternatives. These insights advance the understanding of loss function design and its connection to IQA transferability, paving the way for more principled approaches to perceptual optimization.
• Abstract（参考訳）: 知覚的最適化は主に、意味的一貫性と全体的視覚的リアリズムの両方を強制する忠実度目標によって駆動される。 それらの中心的な役割にもかかわらず、最適化対象としての有効性と画像品質評価(IQA)指標としての能力との相関は未定である。 本研究は、系統的な分析を行い、知覚的最適化と評価の非対称性を明らかにする。IQAにおいて優れた忠実度指標は、必ずしも知覚的最適化に有効ではない。 さらに、識別器は最適化中のアーティファクトを効果的に抑制するが、その学習された表現は、IQAモデルのバックボーン初期化として再利用される場合にのみ、限られた利点を提供する。 この非対称性を超えて、我々は、識別器設計が、バニラやトランスフォーマーベースの代替品よりも忠実な詳細な再構築を提供するパッチレベルおよび畳み込みアーキテクチャによって、最適化を形成する上で決定的な役割を担っていることをさらに証明した。 これらの知見は損失関数の設計とそのIQA転送可能性との関係の理解を促進し、知覚的最適化へのより原則化されたアプローチの道を開いた。

関連論文リスト

• TCPO: Thought-Centric Preference Optimization for Effective Embodied Decision-making [75.29820290660065]
  本稿では,効果的な具体的意思決定のための思考中心推論最適化(TCPO)を提案する。 モデルの中間的推論プロセスの整合性を強調し、モデル劣化の問題を緩和する。 ALFWorld環境での実験では、平均成功率は26.67%であり、RL4VLMよりも6%向上している。
  論文  参考訳（メタデータ） (2025-09-10T11:16:21Z)
• Optimizers Qualitatively Alter Solutions And We Should Leverage This [62.662640460717476]
  ディープニューラルネットワーク(DNN)は、SGDのようなローカル情報のみを使用する場合、損失のグローバルな最小限に収束することを保証できない。 コミュニティは、既存のメソッドのバイアスを理解すること、また、ソリューションの特定の特性を誘発する明示的な意図で、新しいDNNを構築することを目的としている。
  論文  参考訳（メタデータ） (2025-07-16T13:33:31Z)
• Tuning for Trustworthiness -- Balancing Performance and Explanation Consistency in Neural Network Optimization [49.567092222782435]
  我々は,異なる特徴帰属法間の合意として定義された,XAI整合性という新しい概念を紹介する。 予測性能と説明のバランスをとる多目的最適化フレームワークを構築した。 本研究は、トレードオフゾーンバランス性能損失とXAI整合性による強靭性向上のモデルについて、今後の研究基盤を提供する。
  論文  参考訳（メタデータ） (2025-05-12T13:19:14Z)
• On the Role of Feedback in Test-Time Scaling of Agentic AI Workflows [71.92083784393418]
  エージェントAI(自律的な計画と行動を行うシステム)は広く普及しているが、複雑なタスクにおけるタスクの成功率は低いままである。 推論時のアライメントは、サンプリング、評価、フィードバックの3つのコンポーネントに依存します。 本稿では,様々な形態の批判から抽出されたフィードバックを繰り返し挿入するIterative Agent Decoding(IAD)を紹介する。
  論文  参考訳（メタデータ） (2025-04-02T17:40:47Z)

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。