論文の概要: From Glance to Scrutiny: Progressive Distortion Reasoning for Fine-Grained Image Quality Assessment

• arxiv url: http://arxiv.org/abs/2609.08316v1
• Date: Tue, 08 Sep 2026 06:39:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-11 16:51:00.433491
• Title: From Glance to Scrutiny: Progressive Distortion Reasoning for Fine-Grained Image Quality Assessment
• Title（参考訳）: GlanceからScrutinyへ:細粒画像品質評価のためのプログレッシブ歪み推論
• Abstract要約: そこで我々は, IQAをプログレッシブ・Where-What-How診断として再構成するフレームワークであるGS-IQAを提案する。 人間の知覚過程を、一見したところからより綿密な精査までエミュレートする。 歪みの局所化、認識、重大度推定において、最先端の手法を一貫して超越している。
• 参考スコア（独自算出の注目度）: 20.450708458726627
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Multi-modal large language models (MLLMs) have demonstrated significant potential in image quality assessment (IQA) by bridging visual perception with descriptive evaluations. However, existing approaches mainly focus on holistic quality prediction, often functioning as black boxes that provide limited insight into where distortions occur and how they affect perceived quality, hindering fine-grained analysis of localized and heterogeneous degradations. We propose GS-IQA, a framework that reformulates IQA as a progressive Where--What--How diagnosis, emulating the human perceptual process from an initial glance to closer scrutiny. Since a severity judgment is meaningful only for a correctly localized and recognized region, we realize this progression through a two-stage reinforcement learning paradigm that respects such dependencies: the glance stage uses a perception-gated reward to establish where degradations lie and what they are, activating severity feedback only once both are correct, while the scrutiny stage introduces online reward-conditioned degradation generation to synthesize hard examples targeted at the model's perceptual bottlenecks, sharpening its discrimination of subtle severity variations. To enable systematic evaluation, we construct Diag-Bench, a region-level IQA benchmark of about 25K curated samples spanning 12 distortion types and five ordinal severity levels. Extensive experiments show that GS-IQA consistently surpasses state-of-the-art methods in distortion localization, recognition, and severity estimation, and that its diagnostic representations transfer effectively to conventional global quality prediction across diverse external benchmarks. Code and data will be released.
• Abstract（参考訳）: マルチモーダル大言語モデル(MLLM)は,視覚知覚を記述的評価でブリッジすることで,画像品質評価(IQA)において有意な可能性を証明している。 しかし、既存のアプローチは主に全体論的な品質予測に重点を置いており、しばしばブラックボックスとして機能し、歪みの発生場所や、それらがどのように知覚された品質に影響するかについての限られた洞察を与え、局所的および不均一な劣化のきめ細かい分析を妨げる。 そこで我々は,IQAをプログレッシブ・Where-What-How診断として再構成するフレームワークであるGS-IQAを提案し,初期からより精査まで,人間の知覚過程をエミュレートした。 このような依存を尊重する2段階強化学習パラダイムにより、重大判断は正しく局所化され認識された領域にのみ意味があるため、視覚段階は、分解がどこにあるのか、何があるのかを判断するために知覚的報酬を用いて決定し、重大フィードバックを活性化する一方、精査段階は、オンライン報酬条件の劣化生成を導入し、モデルの知覚的ボトルネックをターゲットとしたハードサンプルを合成し、微妙な重大変化の識別を激化させる。 系統的な評価を可能にするため,12種類の歪みタイプと5つの順序重大度レベルにまたがる約25Kのキュレートサンプルからなる領域レベルのIQAベンチマークであるDiag-Benchを構築した。 大規模実験により、GS-IQAは歪みの局所化、認識、重大度推定における最先端の手法を一貫して上回り、診断表現は様々な外部ベンチマークで従来のグローバルな品質予測に効果的に移行していることが示された。 コードとデータはリリースされます。

関連論文リスト

• EFIQA: Explainable Fundus Image Quality Assessment via Anatomical Priors [3.868953398237752]
  EFIQAは, 品質管理を必要とせず, 空間品質マップを設計により生成するフレームワークである。 基礎写真では、まず、マスク付き解剖学的塗布を用いて教師なしの異常検出装置を訓練し、欠落した血管の部位を特定することによって、これを2段階のアプローチとしてインスタンス化する。
  論文  参考訳（メタデータ） (2026-06-18T11:31:08Z)
• ANCHOR: Autoregressive Non-intrusive Chunk-Ordered Refinement for Joint Multi-Resolution Speech Quality Modeling [62.983372215479925]
  ストリーミングと生成システムは、部分的なオーディオから漸進的な推定を必要とする。 多分解能オートレタスクとしてインクリメンタルアセスメントを改良したANCHORを提案する。 2秒プレフィックスの48%のPLCMOSエラー削減を含む、部分入力下でのかなりの堅牢性を示す実験。
  論文  参考訳（メタデータ） (2026-06-08T22:46:30Z)
• The Cost of Context: Mitigating Textual Bias in Multimodal Retrieval-Augmented Generation [18.83395586542378]
  MLLM(Multimodal Large Language Models)とRAG(Retrieval-Augmented Generation)の統合が進んでいる 再破壊現象を特定し, 定式化した上で, 完全に正確な「おかしな」コンテキストを導入することで, 有能なモデルが早期に正しい予測を放棄する。 本稿では,BAIR(Bottleneck Attention Intervention for Recovery)を提案する。
  論文  参考訳（メタデータ） (2026-05-07T02:27:04Z)
• Development and evaluation of CADe systems in low-prevalence setting: The RARE25 challenge for early detection of Barrett's neoplasia [8.843983707422955]
  バレット食道における早期新生のコンピュータ支援による検出は,低頻度監視問題である。 RARE25チャレンジは、ネオプラシア検出のための大規模で有病率対応のベンチマークを導入することで、このギャップに対処する。 7カ国の11チームが、多様なアーキテクチャ、事前訓練、アンサンブル、キャリブレーション戦略を使ったアプローチを提出した。
  論文  参考訳（メタデータ） (2026-04-13T08:30:35Z)
• Radiology Report Generation for Low-Quality X-Ray Images [47.455316078409]
  VLM(Vision-Language Models)は、非常に高度な自動放射線診断レポート生成(RRG)を備えている。 既存の手法では、暗黙的に高品質な入力を仮定し、実際の臨床環境で流行するノイズやアーティファクトを見渡す。 本稿では,画像品質の変動を考慮したロバストなレポート生成フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-04-11T12:42:37Z)
• DR.Experts: Differential Refinement of Distortion-Aware Experts for Blind Image Quality Assessment [9.682871853344226]
  我々は、歪み事前を明示的に組み込むように設計された、新しい事前駆動型BIQAフレームワークであるDR.Expertsを紹介する。 DR.Expertsは、劣化認識型視覚言語モデルを利用して歪み特異的な先行情報を取得することから始まる。 洗練された事前表現とセマンティクスとブリッジ表現は、提案されたミックス・オブ・エキスパート・スタイルのモジュールによって融合される。 このメカニズムは、それぞれの歪み特有の特徴を知覚的影響に従って重み付け、最終的な品質予測が人間の知覚と一致することを保証する。
  論文  参考訳（メタデータ） (2026-02-10T08:41:40Z)
• Fine-Grained Human Pose Editing Assessment via Layer-Selective MLLMs [70.31435391393642]
  我々は17の最先端編集モデルから1,700の標準化されたサンプルをベンチマークで紹介する。 層選択型マルチモーダル言語モデル(MLLM)に基づく統一フレームワークを提案する。 本フレームワークは,信頼性検出と多次元品質回帰の両方において優れた性能を実現する。
  論文  参考訳（メタデータ） (2026-01-15T13:22:07Z)
• Continual Action Quality Assessment via Adaptive Manifold-Aligned Graph Regularization [53.82400605816587]
  アクション品質アセスメント(AQA)は、ビデオにおける人間の行動を定量化し、スポーツスコアリング、リハビリテーション、スキル評価の応用を支援する。 大きな課題は、現実世界のシナリオにおける品質分布の非定常的な性質にある。 本稿では,進化する分布を扱うための連続学習機能を備えた連続AQA(Continuous AQA)を紹介する。
  論文  参考訳（メタデータ） (2025-10-08T10:09:47Z)
• HiRQA: Hierarchical Ranking and Quality Alignment for Opinion-Unaware Image Quality Assessment [10.761579471650771]
  HiRQAは自己管理型の意見認識フレームワークで、ランキングと対照的な学習の組み合わせによって、階層的で品質を意識した埋め込みを提供する。 リアルタイムデプロイメントでは,画像当たり3.5ミリ秒の推論時間を持つ軽量版である textbfHiRQA-S を導入する。
  論文  参考訳（メタデータ） (2025-08-20T23:48:21Z)
• Multi-Modal Prompt Learning on Blind Image Quality Assessment [65.0676908930946]
  画像品質評価(IQA)モデルは意味情報から大きな恩恵を受け、異なる種類のオブジェクトを明瞭に扱うことができる。 十分な注釈付きデータが不足している従来の手法では、セマンティックな認識を得るために、CLIPイメージテキスト事前学習モデルをバックボーンとして使用していた。 近年のアプローチでは、このミスマッチに即時技術を使って対処する試みがあるが、これらの解決策には欠点がある。 本稿では、IQAのための革新的なマルチモーダルプロンプトベースの手法を提案する。
  論文  参考訳（メタデータ） (2024-04-23T11:45:32Z)
• Uncertainty-Aware Blind Image Quality Assessment in the Laboratory and Wild [98.48284827503409]
  我々は,テキスト化BIQAモデルを開発し,それを合成的および現実的歪みの両方で訓練するアプローチを提案する。 我々は、多数の画像ペアに対してBIQAのためのディープニューラルネットワークを最適化するために、忠実度損失を用いる。 6つのIQAデータベースの実験は、実験室と野生動物における画像品質を盲目的に評価する学習手法の可能性を示唆している。
  論文  参考訳（メタデータ） (2020-05-28T13:35:23Z)

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。