論文の概要: No-reference Quality Assessment of Contrast-distorted Images using Contrast-enhanced Pseudo Reference

• arxiv url: http://arxiv.org/abs/2510.05053v1
• Date: Mon, 06 Oct 2025 17:32:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-07 16:53:00.019594
• Title: No-reference Quality Assessment of Contrast-distorted Images using Contrast-enhanced Pseudo Reference
• Title（参考訳）: コントラスト強調擬似参照を用いたコントラスト歪み画像の非参照品質評価
• Authors: Mohammad-Ali Mahmoudpour, Saeed Mahmoudpour,
• Abstract要約: コントラスト歪み画像に対する非参照画像品質評価(NR-IQA)尺度を提案する。 コントラスト強調アルゴリズムを用いて、実際の参照画像と視覚的に近い擬似参照画像を生成する。 コントラスト強調アルゴリズムを選択することができる分類ネットワークを訓練するために、コントラスト強調画像の大規模なデータセットを作成する。
• 参考スコア（独自算出の注目度）: 1.7188280334580188
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Contrast change is an important factor that affects the quality of images. During image capturing, unfavorable lighting conditions can cause contrast change and visual quality loss. While various methods have been proposed to assess the quality of images under different distortions such as blur and noise, contrast distortion has been largely overlooked as its visual impact and properties are different from other conventional types of distortions. In this paper, we propose a no-reference image quality assessment (NR-IQA) metric for contrast-distorted images. Using a set of contrast enhancement algorithms, we aim to generate pseudo-reference images that are visually close to the actual reference image, such that the NR problem is transformed to a Full-reference (FR) assessment with higher accuracy. To this end, a large dataset of contrast-enhanced images is produced to train a classification network that can select the most suitable contrast enhancement algorithm based on image content and distortion for pseudo-reference image generation. Finally, the evaluation is performed in the FR manner to assess the quality difference between the contrast-enhanced (pseudoreference) and degraded images. Performance evaluation of the proposed method on three databases containing contrast distortions (CCID2014, TID2013, and CSIQ), indicates the promising performance of the proposed method.
• Abstract（参考訳）: コントラスト変化は画像の品質に影響を与える重要な要因である。 画像撮影中、好ましくない照明条件はコントラストの変化と視覚的品質の損失を引き起こす。 ボケやノイズなどの歪みの異なる画像の品質を評価するための様々な手法が提案されているが、コントラストの歪みは、他の従来の歪みと異なるため、ほとんど見過ごされている。 本稿では、コントラスト歪み画像に対する非参照画像品質評価(NR-IQA)指標を提案する。 コントラスト強調アルゴリズムを用いて、実際の参照画像に視覚的に近い擬似参照画像を生成し、NR問題をより高精度にフル参照(FR)評価に変換することを目的とする。 この目的のために、画像内容と擬似参照画像生成のための歪みに基づいて最も適切なコントラスト強調アルゴリズムを選択することができる分類ネットワークを訓練するために、大規模なコントラスト強調画像データセットを作成する。 最後に、コントラスト強調画像(擬似参照)と劣化画像の画質差を評価するためにFR方式で評価を行う。 コントラスト歪みを含む3つのデータベース(CCID2014, TID2013, CSIQ)における提案手法の性能評価を行った。

関連論文リスト

• No-Reference Image Contrast Assessment with Customized EfficientNet-B0 [3.4527546378946]
  NR IQAモデルでは,様々な実環境下でのコントラスト歪みの精度評価に苦慮した基準画像品質評価は行われなかった。 本研究では,ブラインドコントラスト品質評価のためのディープラーニングに基づくフレームワークを提案する。 モデルはコントラスト対応レグレッションヘッドと、ターゲットデータ拡張を使用してトレーニングされたエンドツーエンドで修正される。
  論文  参考訳（メタデータ） (2025-09-26T06:54:37Z)
• Gadolinium dose reduction for brain MRI using conditional deep learning [66.99830668082234]
  これらの手法の主な課題は、コントラスト強調の正確な予測と現実的な画像の合成である。 コントラスト前の画像対とコントラスト後の画像対のサブトラクション画像に符号化されたコントラスト信号を利用することで、両課題に対処する。 各種スキャナー,フィールド強度,コントラストエージェントを用いた合成および実データに対するアプローチの有効性を示す。
  論文  参考訳（メタデータ） (2024-03-06T08:35:29Z)
• PIQI: Perceptual Image Quality Index based on Ensemble of Gaussian Process Regression [2.9412539021452715]
  デジタル画像の品質を評価するためにPIQI(Perceptual Image Quality Index)を提案する。 PIQIの性能は6つのベンチマークデータベースでチェックされ、12の最先端の手法と比較される。
  論文  参考訳（メタデータ） (2023-05-16T06:44:17Z)
• Dehazed Image Quality Evaluation: From Partial Discrepancy to Blind Perception [35.257798506356814]
  画像のデハジングは、ぼんやりとした画像から空間的詳細を復元することを目的としている。 本稿では,部分的不一致に基づく画像品質評価手法を提案する。 Blind Perceptionを用いたNo-Reference品質評価尺度に拡張する。
  論文  参考訳（メタデータ） (2022-11-22T23:49:14Z)
• Image Quality Assessment: Learning to Rank Image Distortion Level [0.0]
  選択した歪みに対して、2つの登録画像の画質を比較することを学ぶ。 本手法は、画像歪みをシミュレーションし、その相対的な画質を評価することにより、絶対値を評価するよりも容易であるという事実を生かしている。
  論文  参考訳（メタデータ） (2022-08-04T18:33:33Z)
• Treatment Learning Causal Transformer for Noisy Image Classification [62.639851972495094]
  本研究では,この2値情報「ノイズの存在」を画像分類タスクに組み込んで予測精度を向上させる。 因果的変動推定から動機付け,雑音画像分類のための頑健な特徴表現を潜在生成モデルを用いて推定するトランスフォーマーに基づくアーキテクチャを提案する。 また、パフォーマンスベンチマークのための幅広いノイズ要素を取り入れた、新しいノイズの多い画像データセットも作成する。
  論文  参考訳（メタデータ） (2022-03-29T13:07:53Z)
• Modulated Contrast for Versatile Image Synthesis [60.304183493234376]
  MoNCEは画像のコントラストを導入し、多面的画像間距離の知覚のための校正基準を学習する。 複数の対照的な目的に対して協調的に負のサンプルのプッシュ力を変調するために,MoNCEの最適輸送を導入する。
  論文  参考訳（メタデータ） (2022-03-17T14:03:46Z)
• Non-Reference Quality Monitoring of Digital Images using Gradient Statistics and Feedforward Neural Networks [0.1657441317977376]
  デジタル画像の品質を評価するために,非参照品質指標を提案する。 提案手法は,提案手法よりも高速で,画像系列の品質評価に利用することができる。
  論文  参考訳（メタデータ） (2021-12-27T20:21:55Z)
• 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)
• 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。