論文の概要: Image Quality Assessment: Exploring Quality Awareness via Memory-driven Distortion Patterns Matching

• arxiv url: http://arxiv.org/abs/2602.18000v1
• Date: Fri, 20 Feb 2026 05:27:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-23 18:01:41.235348
• Title: Image Quality Assessment: Exploring Quality Awareness via Memory-driven Distortion Patterns Matching
• Title（参考訳）: 画像品質評価:記憶駆動歪みパターンマッチングによる品質意識の探索
• Authors: Xuting Lan, Mingliang Zhou, Xuekai Wei, Jielu Yan, Yueting Huang, Huayan Pu, Jun Luo, Weijia Jia,
• Abstract要約: 人間の視覚システムは、視覚記憶を蓄積する能力を有し、長期記憶ストレージに基づいて画像品質の評価を可能にする。 この生物学的記憶機構に触発されて、我々はメモリ駆動品質認識フレームワーク(MQAF)を提案する。 MQAFは、基準情報を適応的に重み付けし、歪んだ画像をメモリバンクに記憶された歪みパターンと比較することにより、基準誘導品質スコアを得る。 参照画像が存在しない場合、このフレームワークは画像品質を推測するためにメモリバンク内の歪みパターンに依存し、非参照品質評価(NR-IQA)を可能にする。
• 参考スコア（独自算出の注目度）: 24.54128403429813
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Existing full-reference image quality assessment (FR-IQA) methods achieve high-precision evaluation by analysing feature differences between reference and distorted images. However, their performance is constrained by the quality of the reference image, which limits real-world applications where ideal reference sources are unavailable. Notably, the human visual system has the ability to accumulate visual memory, allowing image quality assessment on the basis of long-term memory storage. Inspired by this biological memory mechanism, we propose a memory-driven quality-aware framework (MQAF), which establishes a memory bank for storing distortion patterns and dynamically switches between dual-mode quality assessment strategies to reduce reliance on high-quality reference images. When reference images are available, MQAF obtains reference-guided quality scores by adaptively weighting reference information and comparing the distorted image with stored distortion patterns in the memory bank. When the reference image is absent, the framework relies on distortion patterns in the memory bank to infer image quality, enabling no-reference quality assessment (NR-IQA). The experimental results show that our method outperforms state-of-the-art approaches across multiple datasets while adapting to both no-reference and full-reference tasks.
• Abstract（参考訳）: 既存のフル参照画像品質評価法(FR-IQA)は、参照画像と歪画像の特徴差を分析して高精度な評価を行う。 しかし、それらの性能は、理想的な参照ソースが利用できない現実世界のアプリケーションを制限する参照画像の品質に制約されている。 特に、人間の視覚システムは、視覚記憶を蓄積する能力を有し、長期記憶ストレージに基づく画質評価を可能にする。 この生物学的記憶機構に着想を得て、歪みパターンを記憶するためのメモリバンクを確立し、デュアルモード品質評価戦略を動的に切り替え、高品質な参照画像への依存を減らすためのメモリ駆動品質認識フレームワーク(MQAF)を提案する。 参照画像が利用可能になると、MQAFは、基準情報を適応的に重み付けし、歪んだ画像をメモリバンクに記憶された歪みパターンと比較することにより、基準誘導品質スコアを得る。 参照画像が存在しない場合、このフレームワークは画像品質を推測するためにメモリバンク内の歪みパターンに依存し、非参照品質評価(NR-IQA)を可能にする。 実験の結果,提案手法は,非参照タスクと全参照タスクの両方に適応しながら,複数のデータセットにまたがる最先端手法よりも優れていることがわかった。

関連論文リスト

• Dual-Representation Interaction Driven Image Quality Assessment with Restoration Assistance [11.983231834400698]
  歪み画像の非参照画像品質評価は、画像内容のばらつきと歪みの多様性のために常に難しい問題である。 以前のIQAモデルは、主に、品質スコア予測のための品質認識表現を得るために、合成画像の明示的な単一品質特徴を符号化していた。 低画質画像の劣化・品質情報を別々にモデル化するDRI法を提案する。
  論文  参考訳（メタデータ） (2024-11-26T12:48:47Z)
• 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)
• Dual-Branch Network for Portrait Image Quality Assessment [76.27716058987251]
  ポートレート画像品質評価のためのデュアルブランチネットワーク(PIQA)を提案する。 我々は2つのバックボーンネットワーク(textiti.e., Swin Transformer-B)を使用して、肖像画全体と顔画像から高品質な特徴を抽出する。 我々は、画像シーンの分類と品質評価モデルであるLIQEを利用して、品質認識とシーン固有の特徴を補助的特徴として捉えている。
  論文  参考訳（メタデータ） (2024-05-14T12:43:43Z)
• Reference-Free Image Quality Metric for Degradation and Reconstruction Artifacts [2.5282283486446753]
  品質要因予測器(QF)と呼ばれる基準のない品質評価ネットワークを開発する。 我々のQF予測器は7層からなる軽量で完全な畳み込みネットワークである。 JPEG圧縮画像パッチを入力としてランダムQFを受信し、対応するQFを正確に予測するように訓練する。
  論文  参考訳（メタデータ） (2024-05-01T22:28:18Z)
• ARNIQA: Learning Distortion Manifold for Image Quality Assessment [28.773037051085318]
  No-Reference Image Quality Assessment (NR-IQA) は、高品質な参照画像を必要としない、人間の知覚に合わせて画像品質を測定する手法を開発することを目的としている。 本研究では、画像歪み多様体をモデル化し、本質的な表現を得るための自己教師型アプローチ ARNIQA を提案する。
  論文  参考訳（メタデータ） (2023-10-20T17:22:25Z)
• 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。