論文の概要: A Reference-Free Framework for Evaluating Single-Frame ISP Pipelines

• arxiv url: http://arxiv.org/abs/2607.23321v1
• Date: Sat, 25 Jul 2026 18:28:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-28 22:34:15.06094
• Title: A Reference-Free Framework for Evaluating Single-Frame ISP Pipelines
• Title（参考訳）: シングルフレームISPパイプライン評価のための参照フリーフレームワーク
• Authors: Yujin Cho, Sira Ferradans, Jean-Michel Morel, Gabriele Facciolo, Thomas Eboli,
• Abstract要約: ブラインド画像品質評価(IQA)技術は、参照なしで視覚的品質を評価できる。 本稿では,処理されたsRGB画像から画像品質のフル参照指標を推定する,参照不要な学習フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 20.879463787517704
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Evaluating camera image signal processing (ISP) pipelines requires measuring low-level artifacts introduced by operations such as denoising, demosaicing, tone mapping, and compression. Blind image quality assessment (IQA) techniques can grade visual quality without a reference, but they typically focus on semantic and high-level visual cues or human perceptual scores rather than the low-level image-processing artifacts introduced by camera pipelines. In contrast, full-reference metrics such as PSNR and SSIM measure pixel-level differences and structural similarity, while LPIPS measures perceptual similarity in deep feature space. However, these metrics require perfectly aligned image pairs, which are difficult to collect in practical settings. We propose a reference-free learning framework that estimates full-reference image quality metrics from a processed sRGB image and its ISO metadata. Our method predicts a proxy sRGB reference, which is then compared with the processed image to compute PSNR, SSIM, and LPIPS in their standard full-reference form. Our experiments show that the proxy-reference model can be learned from synthetic data and applied to real camera data. We further show that lightweight LoRA fine-tuning enables efficient adaptation when ISP components or pipeline configurations are changed. The proposed method outperforms direct metric regression in estimating metric values and achieves higher agreement with full-reference rankings than conventional blind IQA methods. These results demonstrate the feasibility of reference-free estimation of full-reference metrics for practical camera-pipeline evaluation.
• Abstract（参考訳）: カメラ画像信号処理(ISP)パイプラインの評価には、復調、復調、トーンマッピング、圧縮といった操作によって導入された低レベルアーティファクトを測定する必要がある。 ブラインド画像品質評価(IQA)技術は、参照なしで視覚的品質を評価できるが、一般的には、カメラパイプラインによって導入された低レベルの画像処理アーティファクトではなく、セマンティックでハイレベルな視覚的手がかりや人間の知覚的スコアに焦点を当てる。 対照的に、PSNRやSSIMのようなフルリファレンスのメトリクスはピクセルレベルの差と構造的類似度を測り、LPIPSは深い特徴空間における知覚的類似度を測定する。 しかし、これらのメトリクスは完全な整列画像ペアを必要としており、実際の環境では収集が困難である。 本稿では,処理されたsRGB画像とそのISOメタデータから,フル参照画像の品質指標を推定する参照不要学習フレームワークを提案する。 提案手法はプロキシsRGB参照を予測し,処理した画像と比較してPSNR,SSIM,LPIPSを標準のフル参照形式で計算する。 提案実験により,プロキシ参照モデルを合成データから学習し,実カメラデータに適用できることが確認された。 さらに,軽量なLoRAファインチューニングにより,ISPコンポーネントやパイプライン構成の変更時に効率よく適応できることを示す。 提案手法は,従来のブラインドIQA法よりも,評価値の直接回帰より優れ,全参照ランキングとの一致度が高い。 これらの結果から, 実写カメラ・ピペリン評価における基準自由度推定の可能性が示唆された。

関連論文リスト

• Never Seen Before: Benchmarking Genuine Zero-Shot Composed Image Retrieval with Consistent Video-Sourced Datasets [61.420656457977195]
  Zero-Shot Composed Image Retrieval (ZS-CIR) は、参照画像と相対キャプションからなるクエリに基づいて、サンプルをトレーニングせずにターゲット画像を取得することを目的としている。 既存のZS-CIRデータセットは、ノイズの多い画像ソースのため、参照画像とターゲット画像の完全な不一致に悩まされることが多い。 ZS-CIRの新しいベンチマークであるZeroSightを紹介する。
  論文  参考訳（メタデータ） (2026-06-05T08:23:25Z)
• CrossScore: Towards Multi-View Image Evaluation and Scoring [24.853612457257697]
  相互参照画像品質評価法は画像評価景観のギャップを埋める。 本手法は,地上の真理参照を必要とせず,精度の高い画像品質評価を可能にする。
  論文  参考訳（メタデータ） (2024-04-22T17:59:36Z)
• Estimating Physical Information Consistency of Channel Data Augmentation for Remote Sensing Images [3.063197102484114]
  本稿では,チャネル拡張手法がRS画像の物理情報に影響を及ぼすかどうかを推定する手法を提案する。 物理一貫性を評価するために,オリジナルおよび拡張ピクセルシグネチャに関連するスコアを比較した。
  論文  参考訳（メタデータ） (2024-03-21T16:48:45Z)
• MB-RACS: Measurement-Bounds-based Rate-Adaptive Image Compressed Sensing Network [65.1004435124796]
  本稿では,MB-RACS(Message-Bounds-based Rate-Adaptive Image Compressed Sensing Network)フレームワークを提案する。 実験により,提案手法が現在の先行手法を超越していることが実証された。
  論文  参考訳（メタデータ） (2024-01-19T04:40:20Z)
• Beyond Learned Metadata-based Raw Image Reconstruction [86.1667769209103]
  生画像は、線形性や微細な量子化レベルなど、sRGB画像に対して明確な利点がある。 ストレージの要求が大きいため、一般ユーザからは広く採用されていない。 本稿では,メタデータとして,潜在空間におけるコンパクトな表現を学習する新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-06-21T06:59:07Z)
• Learning Transformer Features for Image Quality Assessment [53.51379676690971]
  本稿では,CNNバックボーンとトランスフォーマーエンコーダを用いて特徴抽出を行うIQAフレームワークを提案する。 提案するフレームワークはFRモードとNRモードの両方と互換性があり、共同トレーニング方式が可能である。
  論文  参考訳（メタデータ） (2021-12-01T13:23:00Z)
• Palette: Image-to-Image Diffusion Models [50.268441533631176]
  我々は条件付き拡散モデルを用いた画像から画像への変換のためのシンプルで一般的なフレームワークであるPaletteを紹介する。 4つの困難な画像から画像への変換タスクにおいて、Paletteは強力なGANと回帰ベースラインを上回っている。 本稿では、FID、インセプションスコア、事前訓練されたResNet-50の分類精度、参照画像に対する知覚距離などのサンプル品質スコアについて報告する。
  論文  参考訳（メタデータ） (2021-11-10T17:49:29Z)
• Hierarchical Conditional Flow: A Unified Framework for Image Super-Resolution and Image Rescaling [139.25215100378284]
  画像SRと画像再スケーリングのための統合フレームワークとして階層的条件フロー(HCFlow)を提案する。 HCFlowは、LR画像と残りの高周波成分の分布を同時にモデル化することにより、HRとLR画像ペア間のマッピングを学習する。 さらに性能を高めるために、知覚的損失やGAN損失などの他の損失と、トレーニングで一般的に使用される負の対数類似損失とを組み合わせる。
  論文  参考訳（メタデータ） (2021-08-11T16:11:01Z)

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。