論文の概要: MCIQA-2K: A Multi-Dimensional Dataset and No-Reference Quality Assessment Benchmark for Colorized Images
- arxiv url: http://arxiv.org/abs/2609.14495v1
- Date: Sun, 13 Sep 2026 13:05:00 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-16 07:15:05.829563
- Title: MCIQA-2K: A Multi-Dimensional Dataset and No-Reference Quality Assessment Benchmark for Colorized Images
- Title（参考訳）: MCIQA-2K:カラー画像の多次元データセットと非参照品質評価ベンチマーク
- Abstract要約: 色付き画像の非参照品質評価に特化して設計された大規模ベンチマークMCIQA-2Kを提案する。
提案したベンチマークに基づいて,色付き画像のための専用マルチブランチNR-IQAフレームワークであるMCIQAを紹介する。
- 参考スコア（独自算出の注目度）: 67.85311078596952
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Image colorization is an inherently ill-posed task, since a single grayscale image may correspond to multiple plausible colorized results. Consequently, conventional full-reference image quality assessment (IQA) metrics fail to accurately reflect human perceptual preferences for colorized images. In this paper, we present MCIQA-2K, a large-scale multi-dimensional benchmark specifically designed for no-reference quality assessment of colorized images. We construct a dataset containing 2,000 colorized images generated by five representative colorization models, together with human annotations across three perceptual dimensions: color smearing, semantic color misalignment, and global naturalness. Building upon the proposed benchmark, we further introduce MCIQA, a dedicated multi-branch NR-IQA framework for colorized images. Extensive experiments demonstrate that MCIQA significantly outperforms existing full-reference and no-reference IQA methods on the proposed benchmark, while also exhibiting competitive generalization capability on several widely-used IQA datasets. The dataset and code are publicly available at https://github.com/ARBEZ-ZEBRA/MCIQA.
- Abstract（参考訳）: 画像のカラー化は本質的に不適切なタスクであり、単一のグレースケール画像は複数の可視色化結果に対応する可能性がある。
その結果、従来の全参照画像品質評価(IQA)メトリクスは、色付き画像に対する人間の知覚的嗜好を正確に反映することができない。
本稿では,色付き画像の非参照品質評価に特化して設計された大規模多次元ベンチマークMCIQA-2Kを提案する。
5つの代表的なカラー化モデルによって生成された2000のカラー化画像と3つの知覚次元(カラースミアリング、セマンティックカラーミスアライメント、グローバルナチュラルネス)にわたる人間のアノテーションを含むデータセットを構築した。
提案したベンチマークに基づいて,色付き画像のための専用マルチブランチNR-IQAフレームワークであるMCIQAを紹介する。
大規模な実験により、MCIQAは提案したベンチマークで既存の全参照および非参照IQA法を著しく上回り、また、広く使われている複数のIQAデータセット上での競合一般化能力を示した。
データセットとコードはhttps://github.com/ARBEZ-ZEBRA/MCIQAで公開されている。
関連論文リスト
- Causal Disentanglement for Full-Reference Image Quality Assessment [21.96346718260435]
本稿では,因果推論と疎結合表現学習に基づく新しいFR-IQAパラダイムを提案する。
本手法は,潜在表現への介入によって導かれる因果解離過程として劣化推定を定式化する。
本手法は, 完全教師付き, ラベルなし, ラベルなしの標準IQAベンチマークにおいて, 高い競合性能を実現する。
論文 参考訳（メタデータ） (2026-04-23T13:18:13Z) - A Lightweight Multi-Metric No-Reference Image Quality Assessment Framework for UAV Imaging [0.0]
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。
論文 参考訳（メタデータ） (2026-04-12T12:44:29Z) - MDIQA: Unified Image Quality Assessment for Multi-dimensional Evaluation and Restoration [76.94293572477379]
本稿では,多次元画像品質評価(MDIQA)フレームワークを提案する。
我々は,5つの技術次元と4つの審美次元を含む,様々な知覚次元にわたる画像品質をモデル化する。
MDIQAモデルの準備が整うと、画像復元(IR)モデルの柔軟なトレーニングのためにデプロイできる。
論文 参考訳（メタデータ） (2025-08-23T03:17:14Z) - 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) - Color-Quality Invariance for Robust Medical Image Segmentation [4.710921988115686]
単一ソース領域の一般化は、医療画像のセグメンテーションにおいて重要な課題である。
動的カラー画像正規化(DCIN)モジュールとカラー品質一般化(CQG)損失の2つの新しい手法を提案する。
論文 参考訳（メタデータ） (2025-02-11T02:47:37Z) - 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) - Adaptive Image Quality Assessment via Teaching Large Multimodal Model to Compare [99.57567498494448]
我々はLMMに基づくノン参照IQAモデルであるCompare2Scoreを紹介する。
トレーニング中、同じIQAデータセットの画像を比較することで、スケールアップ比較命令を生成する。
9つのIQAデータセットの実験により、Compare2Scoreは、トレーニング中にテキスト定義の比較レベルを効果的にブリッジすることを確認した。
論文 参考訳（メタデータ） (2024-05-29T17:26:09Z) - Quality Assessment for AI Generated Images with Instruction Tuning [58.41087653543607]
我々はまず,AIGCIQA2023+と呼ばれるAIGIのための画像品質評価(IQA)データベースを構築した。
本稿では,AIGIに対する人間の嗜好を評価するためのMINT-IQAモデルを提案する。
論文 参考訳（メタデータ） (2024-05-12T17:45:11Z) - Image Quality Assessment With Compressed Sampling [5.76395285614395]
圧縮サンプリングを用いたNR-IQA(CL-IQAとCS-IQA)の2つのネットワークを提案する。
1)イメージをサンプリングする圧縮サンプリングモジュール(CSM) (2)高レベルの特徴を抽出する適応埋め込みモジュール(AEM)。
実験により,提案手法は,データ使用量が少ない様々なデータセットにおいて,他の手法よりも優れていることが示された。
論文 参考訳（メタデータ） (2024-04-26T05:51:57Z) - Depicting Beyond Scores: Advancing Image Quality Assessment through Multi-modal Language Models [28.194638379354252]
本稿では,従来のスコアベース手法の制約を克服するDepicted Image Quality Assessment法(DepictQA)を提案する。
DepictQAは、マルチモーダルな大規模言語モデルを利用することで、詳細な言語ベースの人間のような画像品質の評価を可能にする。
これらの結果はマルチモーダルIQA法の研究の可能性を示している。
論文 参考訳（メタデータ） (2023-12-14T14:10:02Z) - Blind Multimodal Quality Assessment: A Brief Survey and A Case Study of
Low-light Images [73.27643795557778]
ブラインド画像品質評価(BIQA)は、視覚信号の客観的スコアを自動的に正確に予測することを目的としている。
この分野での最近の発展は、ヒトの主観的評価パターンと矛盾しない一助的解によって支配されている。
主観的評価から客観的スコアへの低照度画像の一意なブラインドマルチモーダル品質評価(BMQA)を提案する。
論文 参考訳（メタデータ） (2023-03-18T09:04:55Z) - 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)
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。