論文の概要: DroneIQA-VLE: Multi-Task Drone Image Quality Assessment via Vision-Language Ensemble

• arxiv url: http://arxiv.org/abs/2607.00416v1
• Date: Wed, 01 Jul 2026 04:17:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-02 19:56:07.713316
• Title: DroneIQA-VLE: Multi-Task Drone Image Quality Assessment via Vision-Language Ensemble
• Title（参考訳）: DroneIQA-VLE:ビジョンランゲージ・アンサンブルによるマルチタスクドローン画像品質評価
• Abstract要約: ICME 2026 Drone-IQA Grand Challenge on Target-aware Image Quality Assessment for Low-altitude UAV Images。 このフレームワークは、2つの補完パイプラインを組み立てることで、グローバル、ターゲット、バックグラウンドの品質スコアを共同で予測する。 本手法は課題の2位を獲得し,その効果を実証する。
• 参考スコア（独自算出の注目度）: 53.12112874571972
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present DroneIQA-VLE, our solution to the ICME 2026 Drone-IQA Grand Challenge on Target-aware Image Quality Assessment for Low-altitude UAV Images. The framework jointly predicts global, target, and background quality scores by ensembling two complementary pipelines: (1) SigLIP2 vision encoders with multi-task regression heads, and (2) a LoRA-adapted Qwen3.5-9B multimodal large language model for quality score regression. The final global quality prediction is obtained by arithmetically averaging the outputs of both pipelines. Our method achieves 2nd place in the challenge, demonstrating its effectiveness. The code is available at https://github.com/sunwei925/DroneIQA-VLE.
• Abstract（参考訳）: ICME 2026 Drone-IQA Grand Challenge on Target-aware Image Quality Assessment for Low-altitude UAV Images。 このフレームワークは,(1)マルチタスク回帰ヘッドを持つSigLIP2ビジョンエンコーダ,(2)LoRA適応Qwen3.5-9Bマルチモーダル大言語モデルの2つの相補的パイプラインを組み込むことで,グローバル,ターゲット,バックグラウンド品質スコアを共同で予測する。 最終的なグローバル品質予測は、両方のパイプラインの出力を算術的に平均化することによって得られる。 本手法は課題の2位を獲得し,その効果を実証する。 コードはhttps://github.com/sunwei925/DroneIQA-VLEで公開されている。

関連論文リスト

• Viewport-Unaware Blind Omnidirectional Image Quality Assessment: A Unified and Generalized Approach [48.016614649045586]
  ブラインド全方位画像品質評価(BOIQA)は視覚的品質評価コミュニティにとって大きな課題である。 BOIQAモデルの主なパラダイムは、2つのステップ、すなわちビューポート生成と品質予測である。 本稿では,新しいBOIQAアプローチを提案する。
  論文  参考訳（メタデータ） (2026-04-27T01:58:37Z)
• NTIRE 2026 The 3rd Restore Any Image Model (RAIM) Challenge: Professional Image Quality Assessment (Track 1) [115.35873876159131]
  NTIRE 2026 Challenge on the 3rd Restore Any Image Model in the Wildについて概説する。 この挑戦には200近い登録と2500以上の応募が集まった。 トップパフォーマンスの手法は、プロのIQAにおける芸術の状態を著しく向上させた。
  論文  参考訳（メタデータ） (2026-04-14T09:44:35Z)
• iDETEX: Empowering MLLMs for Intelligent DETailed EXplainable IQA [10.857047397246598]
  iDETEXはMLLM(Multimodal large language model)であり、品質基盤、知覚、記述の3つの重要なタスクを同時に実行することができる。 我々は,iDETEXが全サブタスクにわたる最先端性能を実現する大規模ViDA-UGCベンチマークに対するアプローチを検証する。
  論文  参考訳（メタデータ） (2025-10-20T09:26:12Z)
• Image Quality Assessment for Embodied AI [103.66095742463195]
  Embodied AIは近年急速に発展しているが、現在も主に実験室に配備されている。 具体的タスク、すなわちロボットの知覚品質における画像のユーザビリティを評価するためのIQA手法は存在しない。
  論文  参考訳（メタデータ） (2025-05-22T15:51:07Z)
• 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)
• Target-Grounded Graph-Aware Transformer for Aerial Vision-and-Dialog Navigation [10.25089706534778]
  本報告では,ICCV CLVL 2023におけるAVDNチャレンジの入賞方法について詳述する。 Aerial Navigation from Dialog History (andH)タスクに対処するため、ドローンエージェントが対話履歴と空中観測を関連付ける必要がある。 ドローンエージェントのクロスモーダルグラウンド機能を改善するために,Target-Grounded Graph-Aware Transformer (TG-GAT) フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-08-22T16:45:35Z)
• Assessor360: Multi-sequence Network for Blind Omnidirectional Image Quality Assessment [50.82681686110528]
  Blind Omnidirectional Image Quality Assessment (BOIQA)は、全方位画像(ODI)の人間の知覚品質を客観的に評価することを目的としている。 ODIの品質評価は、既存のBOIQAパイプラインがオブザーバのブラウジングプロセスのモデリングを欠いているという事実によって著しく妨げられている。 Assessor360と呼ばれるBOIQAのための新しいマルチシーケンスネットワークを提案する。
  論文  参考訳（メタデータ） (2023-05-18T13:55:28Z)
• End-to-end deep multi-score model for No-reference stereoscopic image quality assessment [6.254148286968409]
  我々は、深層多スコア畳み込みニューラルネットワーク(CNN)を用いて、参照なしで立体画像の品質を推定する。 まず、左の視点の質を予測し、次に、左の視点の質を予測し、第3と第4に、ステレオ視点の質とグローバルな品質をそれぞれ予測し、グローバルスコアを究極の品質とする。
  論文  参考訳（メタデータ） (2022-11-02T16:45:35Z)
• MANIQA: Multi-dimension Attention Network for No-Reference Image Quality Assessment [18.637040004248796]
  No-Reference Image Quality Assessment (NR-IQA) は、人間の主観的知覚に応じて画像の知覚品質を評価することを目的としている。 既存のNR-IQA法は、GANに基づく歪み画像の正確な品質スコアを予測する必要性を満たすには程遠い。 本稿では,非参照画像品質評価(MANIQA)のための多次元注意ネットワークを提案する。
  論文  参考訳（メタデータ） (2022-04-19T15:56:43Z)

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。