論文の概要: A Lightweight Multi-Metric No-Reference Image Quality Assessment Framework for UAV Imaging

• arxiv url: http://arxiv.org/abs/2604.13112v1
• Date: Sun, 12 Apr 2026 12:44:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-16 20:38:32.20373
• Title: A Lightweight Multi-Metric No-Reference Image Quality Assessment Framework for UAV Imaging
• Title（参考訳）: UAVイメージングのための軽量マルチメトリック非参照画像品質評価フレームワーク
• Authors: Koffi Titus Sergio Aglin, Anthony K. Muchiri, Celestin Nkundineza,
• Abstract要約: 本稿では,参照画像品質評価(NR-IQA)のための軽量なマルチメトリック画像品質評価フレームワークMM-IQAを紹介する。 この手法は, ぼかし, エッジ構造, 低分解能, 露光不均衡, ノイズ, ヘイズ, 周波数コンテンツに関連する解釈可能な手がかりを組み合わせることで, 5つのベンチマークデータセットにおいて, 単一品質スコアを[0,100].MM-IQAで評価した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Reliable image quality assessment is essential in applications where large volumes of images are acquired automatically and must be filtered before further analysis. In many practical scenarios, a pristine reference image is unavailable, making no reference image quality assessment (NR-IQA) particularly important. This paper introduces Multi-Metric Image Quality Assessment (MM-IQA), a lightweight multi-metric framework for NR-IQA. It combines interpretable cues related to blur, edge structure, low resolution artifacts, exposure imbalance, noise, haze, and frequency content to produce a single quality score in the range [0,100].MM-IQA was evaluated on five benchmark datasets (KonIQ-10k, LIVE Challenge, KADID-10k, TID2013, and BIQ2021) and achieved SRCC values ranging from 0.647 to 0.830. Additional experiments on a synthetic agricultural dataset showed consistent behavior of the designed cues. The Python/OpenCV implementation required about 1.97 s per image. This method also has modest memory requirements because it stores only a limited number of intermediate grayscale, filtered, and frequency-domain representations, resulting in memory usage that scales linearly with image size. The results show that MM-IQA can be used for fast image quality screening with explicit distortion aware cues and modest computational cost.
• Abstract（参考訳）: 大量の画像が自動的に取得され、さらなる解析の前にフィルタリングされるアプリケーションでは、信頼性の高い画像品質評価が不可欠である。 多くの実践シナリオにおいて、プリスタン参照画像は利用できないため、基準画像品質評価(NR-IQA)は特に重要ではない。 本稿では,NR-IQAのための軽量なマルチメトリック画像品質評価フレームワークMM-IQAを紹介する。 ボケ、エッジ構造、低解像度のアーティファクト、露光不均衡、ノイズ、ヘイズ、周波数コンテンツに関連する解釈可能なキューを組み合わせて、[0,100]の範囲で単一の品質スコアを生成する。 MM-IQAは5つのベンチマークデータセット(KonIQ-10k、LIVE Challenge、KADID-10k、TID2013、BIQ2021)で評価され、SRCC値は0.647から0.830である。 人工農業データセットのさらなる実験は、設計されたキューの一貫した挙動を示した。 Python/OpenCVの実装には1イメージあたり約1.97秒が必要だった。 この方法は、中間グレースケール、フィルタ、周波数領域表現の限られた数しか格納しないため、メモリ使用量は画像サイズと線形にスケールする。 その結果,MM-IQAは画像品質の高速なスクリーニングに利用でき,ゆらぎを意識し,計算コストを抑えることができた。

関連論文リスト

• DocIQ: A Benchmark Dataset and Feature Fusion Network for Document Image Quality Assessment [78.21680156380705]
  主観的なDIQAデータセットDIQA-5000を紹介する。 DIQA-5000データセットは5000個の文書画像からなる。 それぞれの強調画像は、全体的な品質、シャープさ、色質の3つの評価次元の15の被験者によって評価された。 そこで本研究では,文書レイアウト機能を利用した非参照DIQAモデルを提案する。
  論文  参考訳（メタデータ） (2025-09-21T10:01:43Z)
• PhotIQA: A photoacoustic image data set with image quality ratings [7.753621023890248]
  PhotIQAは、5つの品質特性の2人の専門家によって評価された1134個の再構成光音響画像からなるデータセットである。 ベースライン実験の結果,HaarPSI$_med$は品質評価と相関してSSIMを著しく上回っていることがわかった。
  論文  参考訳（メタデータ） (2025-07-04T11:06:54Z)
• UHD-IQA Benchmark Database: Pushing the Boundaries of Blind Photo Quality Assessment [4.563959812257119]
  固定幅3840ピクセルの6073 UHD-1 (4K)画像からなる画像品質評価データセットを提案する。 私たちの作品は、高い技術品質の高度に美的な写真に焦点を当てており、文学のギャップを埋めています。 データセットには、クラウドソーシング調査を通じて得られた知覚的品質評価が注釈付けされている。
  論文  参考訳（メタデータ） (2024-06-25T11:30:31Z)
• 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)
• Cross-IQA: Unsupervised Learning for Image Quality Assessment [3.2287957986061038]
  本稿では,視覚変換器(ViT)モデルに基づく非参照画像品質評価(NR-IQA)手法を提案する。 提案手法は,ラベルのない画像データから画像品質の特徴を学習することができる。 実験結果から,Cross-IQAは低周波劣化情報の評価において最先端の性能が得られることが示された。
  論文  参考訳（メタデータ） (2024-05-07T13:35:51Z)
• 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)
• Less is More: Learning Reference Knowledge Using No-Reference Image Quality Assessment [58.09173822651016]
  No-Reference Image Quality Assessment 設定で参照知識を学習することは可能であると論じる。 非整列参照画像から比較知識を学習するための新しいフレームワークを提案する。 8つの標準NR-IQAデータセットの実験は、最先端のNR-IQA法よりも優れた性能を示した。
  論文  参考訳（メタデータ） (2023-12-01T13:56:01Z)
• 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)

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。