Fugu-MT 論文翻訳(概要): Image Thresholding: Understanding Bias of Evaluation Metrics towards Specific Evaluation Functions

論文の概要: Image Thresholding: Understanding Bias of Evaluation Metrics towards Specific Evaluation Functions

arxiv url: http://arxiv.org/abs/2605.27132v1
Date: Tue, 26 May 2026 15:02:36 GMT
ステータス: 翻訳完了
システム内更新日: 2026-05-27 17:51:42.287496
Title: Image Thresholding: Understanding Bias of Evaluation Metrics towards Specific Evaluation Functions
Title（参考訳）: イメージThresholding:特定の評価機能に対する評価指標のバイアスを理解する
Abstract要約: マルチレベル画像閾値設定は、医療画像からリモートセンシングまで幅広い用途において、セグメンテーションに広く用いられている。大津のクラス間分散やカプールのエントロピーのような古典的目的関数はメタヒューリスティックアルゴリズムを用いて最適化されることが多い。 BSDS500データセットにおける画像のしきい値に対するしきい値と品質指標の相関関係を解析する。
参考スコア（独自算出の注目度）: 0.8250374560598496
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Multilevel image thresholding is widely used for segmentation in applications ranging from medical imaging to remote sensing. Classical objective functions, such as Otsu's between-class variance and Kapur's entropy, are often optimized using metaheuristic algorithms, with performance evaluated via metrics like Structural Similarity Index (SSIM) and Peak Signal-to-Noise Ratio (PSNR). These evaluations implicitly assume that SSIM and PSNR provide unbiased measures of segmentation quality. In this study, we examine this assumption by analyzing the correlation between thresholding objective functions and quality metrics across all possible thresholds for images in the BSDS500 dataset. Results show that Otsu's criterion consistently exhibits high correlation with both SSIM and PSNR, while Kapur's entropy demonstrates weaker and more variable correlation. Otsu outperforms Kapur in correlation with PSNR for all images and with SSIM for over 91%. Our findings reveal an inherent metric-objective-function bias. This work highlights the need for more neutral evaluation frameworks and motivates extending the analysis to additional thresholding criteria and domains. Source code of this paper can be found at https://w3id.org/met-dp/icpr26-95
Abstract（参考訳）: マルチレベル画像閾値設定は、医療画像からリモートセンシングまで幅広い用途において、セグメンテーションに広く用いられている。大津のクラス間分散やカプールのエントロピーのような古典的目的関数は、しばしばメタヒューリスティックアルゴリズムを用いて最適化され、構造類似度指数(SSIM)やピーク信号対雑音比(PSNR)といった指標によって評価される。これらの評価は、SSIMとPSNRがセグメンテーション品質の偏りのない尺度を提供すると暗黙的に仮定する。本研究では、BSDS500データセットにおける画像のしきい値に対するしきい値と品質指標との相関関係を解析することにより、この仮定を考察する。その結果、大津の基準はSSIMとPSNRの両方と常に高い相関を示し、一方カプールのエントロピーはより弱く、より可変な相関を示した。大津は、すべての画像のPSNRと91%以上のSSIMとの相関でカプールを上回っている。以上より, 主観的主観的主観的偏見がみられた。この研究は、より中立的な評価フレームワークの必要性を強調し、分析を追加のしきい値基準とドメインにまで拡張する動機付けである。この論文のソースコードはhttps://w3id.org/met-dp/icpr26-95にある。

関連論文リスト

Assessment of Conditional Diffusion Model for Synthetic Histopathology Image Generation [13.18104339591425]
本稿では,Frechet Inception Distance (FID) やInception Score (IS) などの従来の総合的データ評価指標が病理組織像に適用した場合の限界について述べる。これらの制約に対処するため、デジタル病理学データセットに事前訓練された基礎モデルを用いた修正FIDとISアプローチを提案する。
論文参考訳（メタデータ） (2026-08-04T17:51:40Z)
ClinReadNet: A clinical reading-inspired network for low-dose abdominal CT image quality assessment [20.78704478280648]
腹部CTでは,低用量非参照画像品質評価モデルの開発が,CT画像品質を評価するための医師の読書習慣を模倣している。本稿では,放射線科医の臨床読解論理と整合した新しい深層学習フレームワーク,ClinReadNetを提案する。 LDCTIQAG2023データセットで行った実験により,提案手法が現在のSOTA(State-of-the-art)性能を実現することを示す。
論文参考訳（メタデータ） (2026-06-09T03:34:11Z)
Thinking in Scales: Accelerating Gigapixel Pathology Image Analysis via Adaptive Continuous Reasoning [52.41928980786654]
スライド画像全体に対してトークン効率のよいスケール空間連続推論を可能にするPathCTMを提案する。 PathCTMは診断推論を動的逐次情報追跡として定式化する。必要な画像パッチの数を95.95%削減し、推論時間を約95.62%短縮し、AUCを劣化せずに維持する。
論文参考訳（メタデータ） (2026-05-19T07:46:44Z)
MS-ISSM: Objective Quality Assessment of Point Clouds Using Multi-scale Implicit Structural Similarity [65.85858856481131]
点雲の非構造的で不規則な性質は、客観的品質評価(PCQA)に重大な課題をもたらすマルチスケールインシシシット構造類似度測定(MS-ISSM)を提案する。
論文参考訳（メタデータ） (2026-01-03T14:58:52Z)
LMM-IQA: Image Quality Assessment for Low-Dose CT Imaging [0.0]
低線量CTは、低線量で患者の安全性を著しく向上させる。しかし、ノイズ、ぼかし、コントラスト損失の増加は診断品質を低下させる可能性がある。劣化の数値スコアとテキスト記述の両方を生成するLLMに基づく品質評価システムを提案する。
論文参考訳（メタデータ） (2025-11-10T16:56:11Z)
Similarity and Quality Metrics for MR Image-To-Image Translation [0.8932296777085644]
合成画像評価のための11の類似度(参照)と12の品質(非参照)を定量的に分析した。本研究では,11種類の歪みおよび典型的なMRアーチファクトに対する感度について検討し,各計量および歪みに対する異なる正規化法の影響を解析した。
論文参考訳（メタデータ） (2024-05-14T08:51:16Z)
Beyond MOS: Subjective Image Quality Score Preprocessing Method Based on Perceptual Similarity [2.290956583394892]
ITU-R BT.500、ITU-T P.910、ITU-T P.913は、当初の世論点をクリアするために標準化されている。 PSPは画像間の知覚的類似性を利用して、より注釈の少ないシナリオにおける主観的バイアスを軽減する。
論文参考訳（メタデータ） (2024-04-30T16:01:14Z)
Adaptive Feature Selection for No-Reference Image Quality Assessment by Mitigating Semantic Noise Sensitivity [55.399230250413986]
上流タスクから有害なセマンティックノイズを除去するためのQFM-IQM(Quality-Aware Feature Matching IQA Metric)を提案する。提案手法は,8つの標準IQAデータセット上での最先端NR-IQA法よりも優れた性能を実現する。
論文参考訳（メタデータ） (2023-12-11T06:50:27Z)
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)
DeepDC: Deep Distance Correlation as a Perceptual Image Quality Evaluator [53.57431705309919]
ImageNet Pre-trained Deep Neural Network (DNN)は、効果的な画像品質評価(IQA)モデルを構築するための顕著な転送性を示す。我々は,事前学習DNN機能のみに基づく新しいフル参照IQA(FR-IQA)モデルを開発した。 5つの標準IQAデータセット上で,提案した品質モデルの優位性を示すため,包括的実験を行った。
論文参考訳（メタデータ） (2022-11-09T14:57:27Z)
Automated SSIM Regression for Detection and Quantification of Motion Artefacts in Brain MR Images [54.739076152240024]
磁気共鳴脳画像における運動アーチファクトは重要な問題である。 MR画像の画質評価は,臨床診断に先立って基本的である。構造類似度指数(SSIM)回帰に基づく自動画像品質評価法が提案されている。
論文参考訳（メタデータ） (2022-06-14T10:16:54Z)
High-Order Information Matters: Learning Relation and Topology for Occluded Person Re-Identification [84.43394420267794]
本稿では,高次関係とトポロジ情報を識別的特徴とロバストなアライメントのために学習し,新しい枠組みを提案する。我々のフレームワークはOccluded-Dukeデータセットで最先端の6.5%mAPスコアを大幅に上回っている。
論文参考訳（メタデータ） (2020-03-18T12:18:35Z)

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。