Fugu-MT 論文翻訳(概要): Vision-Language Models vs Human: Perceptual Image Quality Assessment

論文の概要: Vision-Language Models vs Human: Perceptual Image Quality Assessment

arxiv url: http://arxiv.org/abs/2603.24578v1
Date: Wed, 25 Mar 2026 17:54:07 GMT
ステータス: 翻訳完了
システム内更新日: 2026-03-26 21:06:11.426209
Title: Vision-Language Models vs Human: Perceptual Image Quality Assessment
Title（参考訳）: 視覚言語モデルと人間:知覚的画像品質評価
Authors: Imran Mehmood, Imad Ali Shah, Ming Ronnier Luo, Brian Deegan,
Abstract要約: 精神物理実験は知覚画像品質評価(IQA)の最も信頼性の高いアプローチのままである視覚言語モデル(VLM)が3つの画像品質尺度で人間の知覚的判断を近似できるかどうかを検討する。
参考スコア（独自算出の注目度）: 0.01116979912801043
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Psychophysical experiments remain the most reliable approach for perceptual image quality assessment (IQA), yet their cost and limited scalability encourage automated approaches. We investigate whether Vision Language Models (VLMs) can approximate human perceptual judgments across three image quality scales: contrast, colorfulness and overall preference. Six VLMs four proprietary and two openweight models are benchmarked against psychophysical data. This work presents a systematic benchmark of VLMs for perceptual IQA through comparison with human psychophysical data. The results reveal strong attribute dependent variability models with high human alignment for colorfulness (ρup to 0.93) underperform on contrast and vice-versa. Attribute weighting analysis further shows that most VLMs assign higher weights to colorfulness compared to contrast when evaluating overall preference similar to the psychophysical data. Intramodel consistency analysis reveals a counterintuitive tradeoff: the most self consistent models are not necessarily the most human aligned suggesting response variability reflects sensitivity to scene dependent perceptual cues. Furthermore, human-VLM agreement is increased with perceptual separability, indicating VLMs are more reliable when stimulus differences are clearly expressed.
Abstract（参考訳）: 精神物理学的な実験は、知覚的画像品質評価(IQA)の最も信頼性の高いアプローチであり続けているが、そのコストと拡張性は自動化アプローチを奨励している。視覚言語モデル(VLM)が3つの画像品質尺度(コントラスト、カラフルネス、全体的な嗜好)で人間の知覚的判断を近似できるかどうかを検討する。 6つのVLMは4つのプロプライエタリなモデルと2つのオープンウェイトモデルで精神物理学的なデータに対してベンチマークされる。本研究は、人間の心理物理学データとの比較を通して、知覚IQAのためのVLMの体系的ベンチマークを示す。その結果,色度に高いアライメント(ρupから0.93)を持つ強い特性依存変動モデルが,コントラストと逆逆効果で性能を低下させることが明らかとなった。属性重み付け分析により、ほとんどのVLMは、精神物理学データと同様の全体的な嗜好を評価する際に、コントラストと比較して、より高い重みをカラフルネスに割り当てることが示された。最も自己整合性のあるモデルが必ずしも最も人間と一致しているとは限らないため、応答の可変性はシーン依存の知覚的手がかりに対する感受性を反映している。さらに、人間のVLM合意は知覚的分離性とともに増加し、刺激差が明確に表現された場合、VLMはより信頼性が高いことを示す。

関連論文リスト

Do Machines Fail Like Humans? A Human-Centred Out-of-Distribution Spectrum for Mapping Error Alignment [1.974820485832244]
我々は,人間の知覚障害のスペクトルとしてOODの度合いを再定義する,人間中心の枠組みを提案する。我々はこの枠組みをオブジェクト認識に適用し、ディープラーニングアーキテクチャ全体にわたるユニークな、状況に依存したモデル-ヒューマンアライメントのランキングとプロファイルを明らかにする。
論文参考訳（メタデータ） (2026-03-08T04:51:39Z)
Visual Affect Analysis: Predicting Emotions of Image Viewers with Vision-Language Models [2.2023261946811563]
視覚言語モデル(VLM)は、スケールでの視覚刺激の影響を推測するためのツールである。我々は、最新のプロプライエタリモデルからオープンソースモデルまで、9つのVLMを心理測定で検証された3つの感情イメージデータセットでベンチマークした。
論文参考訳（メタデータ） (2026-01-27T17:56:21Z)
VLIC: Vision-Language Models As Perceptual Judges for Human-Aligned Image Compression [83.36460501519203]
Vision-Language Models for Image Compression (VLIC) は、拡散に基づく画像圧縮システムである。このシステムをVLM判定で校正すると、データセットに応じて人力による視覚的圧縮に対して、競争力や最先端のパフォーマンスが得られることを示す。
論文参考訳（メタデータ） (2025-12-17T18:52:55Z)
Building Reasonable Inference for Vision-Language Models in Blind Image Quality Assessment [7.969076042774561]
我々は、矛盾する評価と不安定を引き起こす要因を分析する。本稿では,視覚知覚を品質推定から明確に分離する2段階チューニング手法を提案する。
論文参考訳（メタデータ） (2025-12-10T11:50:42Z)
RoboView-Bias: Benchmarking Visual Bias in Embodied Agents for Robotic Manipulation [67.38036090822982]
ロボット操作における視覚バイアスの定量化を目的とした,最初のベンチマークであるRoboView-Biasを提案する。我々は、個々の視覚的要因とその相互作用によって引き起こされるバイアスの堅牢な測定を可能にする2,127のタスクインスタンスを作成します。本研究は,視覚バイアスの系統的解析が,安全で信頼性の高い汎用的なエンボディエージェントの開発に必須であることを示す。
論文参考訳（メタデータ） (2025-09-26T13:53:25Z)
Contrast Sensitivity in Multimodal Large Language Models: A Psychophysics-Inspired Evaluation [37.9406446788251]
マルチモーダル大言語モデル(MLLM)におけるコントラスト感度関数(CSF)を推定するための行動的手法を提案する。モデルは、特定の空間周波数でフィルタリングされた雑音に基づく刺激を観察しながら、構造化されたプロンプトでクエリされる。以上の結果から,人間のCSFと形状やスケールが似ているモデルもあるが,どちらのモデルも捉えていないことが判明した。
論文参考訳（メタデータ） (2025-08-14T06:07:44Z)
Investigating VLM Hallucination from a Cognitive Psychology Perspective: A First Step Toward Interpretation with Intriguing Observations [60.63340688538124]
幻覚は、視覚言語モデル(VLM)で積極的に研究されている長年の問題である。既存の研究は、幻覚は技術的な制限や梅毒のバイアスによるもので、後者はモデルがユーザの期待に沿う誤った回答を生み出す傾向があることを意味している。本研究では, VLMの認知バイアスを分類し, サイコフィナンシー, 論理的不整合, 新たに同定された VLM の行動, 権威へのアピールなど, 幻覚へと導く。
論文参考訳（メタデータ） (2025-07-03T19:03:16Z)
Mind the Uncertainty in Human Disagreement: Evaluating Discrepancies between Model Predictions and Human Responses in VQA [26.968874222330978]
本研究は,視覚質問応答(VQA)タスクに焦点をあてる。視覚言語モデルが人間の反応の分布とどのように相関するかを評価する。
論文参考訳（メタデータ） (2024-09-17T13:44:25Z)
Opinion-Unaware Blind Image Quality Assessment using Multi-Scale Deep Feature Statistics [54.08757792080732]
我々は,事前学習された視覚モデルからの深い特徴を統計的解析モデルと統合して,意見認識のないBIQA(OU-BIQA)を実現することを提案する。提案モデルは,最先端のBIQAモデルと比較して,人間の視覚的知覚との整合性に優れる。
論文参考訳（メタデータ） (2024-05-29T06:09:34Z)
When No-Reference Image Quality Models Meet MAP Estimation in Diffusion Latents [92.45867913876691]
非参照画像品質評価(NR-IQA)モデルは、知覚された画像品質を効果的に定量化することができる。 NR-IQAモデルは、画像強調のための最大後部推定(MAP)フレームワークにプラグイン可能であることを示す。
論文参考訳（メタデータ） (2024-03-11T03:35:41Z)
Perceptual Attacks of No-Reference Image Quality Models with Human-in-the-Loop [113.75573175709573]
NR-IQAモデルの知覚的堅牢性を調べるための最初の試みの1つを行う。我々は,4つの完全参照IQAモデルの下で,知識駆動のNR-IQA法とデータ駆動のNR-IQA法を検証した。 4つのNR-IQAモデルは全て、提案した知覚的攻撃に対して脆弱であることがわかった。
論文参考訳（メタデータ） (2022-10-03T13:47:16Z)

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。