論文の概要: Local SVD-Entropy Maps as a Complementary Structural Representation for Full-Reference and No-Reference Image Quality Assessment
- arxiv url: http://arxiv.org/abs/2609.27959v1
- Date: Sun, 23 Aug 2026 09:15:35 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-28 05:09:56.021432
- Title: Local SVD-Entropy Maps as a Complementary Structural Representation for Full-Reference and No-Reference Image Quality Assessment
- Title（参考訳）: 完全参照・非参照画像品質評価のための補完構造表現としての局所SVDエントロピーマップ
- Abstract要約: 2次元画像パッチから直接計算された特異値のシャノンエントロピーに基づく知覚画像品質評価(IQA)のための局所スペクトル複雑度表現
$3times3$-pixelグレースケールパッチ毎にSVDを直接適用し、正規化特異値エントロピーは1つのHSVD-map値を定義する。
レナでのネストした塩とペッパーの実験は、感度からさらなる劣化段階へのクリーンな参照と絶対的な類似性を分離している。
10,125個の歪んだKADID-10k画像の検証は、HSVD-SSIMがスタンドアロンのフル参照メトリックとして従来のSSIMよりも弱いことを示している。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We investigate a local spectral-complexity representation for perceptual image quality assessment (IQA) based on Shannon entropy of singular values computed directly from two-dimensional image patches. For each $3\times3$-pixel grayscale patch, SVD is applied directly and the normalized singular-value entropy defines one HSVD-map value. The construction requires neither flattening nor delay embedding, uses no boundary padding, and is invariant to $90^{\circ}$ rotations and mirror reflections at the local-descriptor level. A nested salt-and-pepper experiment on Lena separates absolute similarity to a clean reference from sensitivity to an additional degradation step. HSVD-SSIM responds more strongly to local corruption and retains a larger neighboring-state response at severe noise levels. Validation on all 10,125 distorted KADID-10k images shows that HSVD-SSIM is weaker than conventional SSIM as a standalone full-reference metric (SRCC $0.450$ vs. $0.619$), but complementary when combined with it: grouped cross-validation increases SRCC from $0.618$ to $0.659$, with a bootstrap 95\% confidence interval of $[0.036,0.046]$ for the gain. In a no-reference experiment, adding HSVD-derived single-image descriptors improves the best nonlinear model from SRCC $0.528$ to $0.575$ (95\% CI $[0.033,0.061]$) and also improves prediction of quality changes between neighboring distortion states. These results support direct local SVD entropy as an interpretable structural channel that complements conventional image-domain similarity and remains informative without a pristine reference.
- Abstract（参考訳）: 本研究では,2次元画像パッチから直接計算される特異値のシャノンエントロピーに基づく,知覚的画像品質評価(IQA)のための局所スペクトル・複雑度表現について検討する。
3,\times3$-pixelグレースケールパッチに対して、SVDは直接適用され、正規化された特異値エントロピーは1つのHSVD-map値を定義する。
この構造は平坦化も遅延埋め込みも必要とせず、バウンダリパディングも使用せず、ローカルディスクリプタレベルで90^{\circ}$回転とミラー反射に不変である。
レナでのネストした塩とペッパーの実験は、感度からさらなる劣化段階へのクリーンな参照と絶対的な類似性を分離している。
HSVD-SSIMは局所的な腐敗に強く反応し、強い騒音レベルにおいて隣国の反応を大きく維持する。
10,125 の歪んだ KADID-10k 画像の検証では、HSVD-SSIM はスタンドアローンのフルリファレンスメトリック(SRCC $0.450$ vs. $0.619$)よりも弱いが、それと組み合わせた場合の補完効果が示される: グループ化されたクロスバリデーションにより、SRCC は 0.618$ から 0.659$ に増加し、ブートストラップ 95 % の信頼区間は[0.036,0.046]$ になった。
非参照実験では、HSVD由来の単一イメージ記述子を追加することにより、SRCC $0.528$から0.575$(95\% CI $[0.033,0.061]$)までの最良の非線形モデルが改善され、隣接する歪み状態間の品質変化の予測も改善される。
これらの結果は,従来の画像領域の類似性を補完する解釈可能な構造チャネルとして直接局所的SVDエントロピーをサポートし,プリスタン参照なしで情報伝達を継続する。
関連論文リスト
- Two-Stage Deformable-Convolutional Inverse Design of Nanophotonic Absorbers from Optical Spectra [2.4149105714758545]
データ駆動逆設計により、所定の光学応答を持つナノフォトニック構造を効率的に生成することができる。
本研究は, 金属-絶縁体-金属共振器を80次元吸収スペクトルから再構成するための2段階の変形・畳み込み機構を示す。
論文 参考訳（メタデータ） (2026-08-12T09:47:06Z) - Bend the Basics: Degradation-Aware Deformable Tokenization for All-in-One Image Restoration [72.64498743287601]
オールインワン画像復元は、多様で空間的に一様でない腐敗によって劣化した画像を復元できる単一のモデルを求める。
パイプライン全体にわたる劣化認識をモデル化するフレキシブル・イメージ・トランスフォーマー(FIT)を提案する。
FITは、30.72dBの平均PSNRを5次劣化設定で32.83dBを3次劣化設定で達成し、最近の統一修復法を+0.5$sim$1.1dBで上回った。
論文 参考訳（メタデータ） (2026-08-07T05:44:31Z) - Kohn-Sham Spectral Embedding on Sparse Graphs at the Nishimori Temperature for Image Classification [0.0]
Kohn-Sham Spectral Embedding (KSSE)
畳み込みネットワークの上位層を、関連するランダム・ボンド・アイシング・モデルの西森温度に埋め込んだスパースグラフスペクトルに置き換えたエネルギーベースモデル。
ImageNet-1000では、凍結されたEfficientNet-B4機能により、KSSEは21.24MパラメータビーティングSwin-L (197M, 86.4-87.3%)で88.93%のTop-1精度を達成し、ViT-H/14の下端(632M, 88.0-89.5%)を10倍と30倍のパラメータでマッチングした。
論文 参考訳（メタデータ） (2026-07-30T16:05:51Z) - Gradient-Based Latent Decomposition Reveals Mechanisms of Feature Degradation in Weakly Supervised Mammography [0.0]
弱教師付き階層モデルは永続的な非対称性を示す。
粗い病変型の特徴は再建時に保存され, 微粒な悪性度は低下する。
高次元空間では、1つの粗いスーパーバイザー信号が1次元の遅延方向のみを分離し、臨界きめ細かい特徴を弱い残留部分空間に強制する。
論文 参考訳（メタデータ） (2026-07-24T01:04:07Z) - Differential Spectral Damping Gap Adaptive Regularization for Ill-Conditioned Kernel Methods [0.0]
局所固有ギャップ構造に適応する正規化公式である差分スペクトル減衰法(DSD)を提案する。
私たちは、デービス=カーハンの$sin()$定理を基礎とした設計手順を通じて、DSDを動機付けます。
DSD は LSTSVM の分類精度を実世界のGINA 上で+4.8 ポイント向上することを示した。
論文 参考訳（メタデータ） (2026-06-22T14:32:39Z) - Mitigating the ID-OOD Tradeoff in Open-Set Test-Time Adaptation [52.620992698137236]
オープンセットテスト時間適応(OSTTA)は、新しい環境にモデルを適用するという課題に対処する。
本稿では,OSTTAにおけるエントロピーの限界をまず解析し,次に特徴ノルム等級を規制する角損失を導入する。
高いID分類性能を維持しながら強力なOOD検出を実現する。
論文 参考訳（メタデータ） (2026-04-02T04:00:57Z) - Optimal Unconstrained Self-Distillation in Ridge Regression: Strict Improvements, Precise Asymptotics, and One-Shot Tuning [61.07540493350384]
自己蒸留(英: Self-distillation, SD)とは、教師自身の予測と地道の混合で学生を訓練する過程である。
任意の予測リスクに対して、各正規化レベルにおいて、最適に混合された学生がリッジ教師に改善されることが示される。
本稿では,グリッド探索やサンプル分割,再構成なしに$star$を推定する一貫したワンショットチューニング手法を提案する。
論文 参考訳（メタデータ） (2026-02-19T17:21:15Z) - Trans${^2}$-CBCT: A Dual-Transformer Framework for Sparse-View CBCT Reconstruction [10.744510913722817]
コーンビームCT(CBCT)は、少数のX線プロジェクションビューしか使用していないため、放射線線量が少ないほど高速なスキャンが可能であるが、重度のアンダーサンプリングの結果、強いアーティファクトと空間的カバレッジが低下する。
まず、従来のUNet/ResNetエンコーダをハイブリッドCNN-TransformerモデルであるTransUNetに置き換える。
LUNA16 と ToothFairy の実験では、6 から 10 のビューで一貫した利得を示し,CNN-Transformer 特徴と特異なビュー CBCT 再構成のための点ベース幾何推論の有効性を検証した。
論文 参考訳（メタデータ） (2025-06-20T18:45:12Z) - FedSVD: Adaptive Orthogonalization for Private Federated Learning with LoRA [68.44043212834204]
Low-Rank Adaptation (LoRA) は、学習における言語モデルの効率的な微調整に広く用いられている。
Low-Rank Adaptation (LoRA) は、学習における言語モデルの効率的な微調整に広く用いられている。
論文 参考訳（メタデータ） (2025-05-19T07:32:56Z) - A New Framework for Variance-Reduced Hamiltonian Monte Carlo [88.84622104944503]
分散還元型ハミルトン・モンテカルロ法 (HMC) の新たなフレームワークを提案し,$L$-smooth および $m$-strongly log-concave 分布からサンプリングする。
本研究では,SAGA法やSVRG法をベースとした非バイアス勾配推定器を用いて,バッチサイズを小さくすることで,高い勾配効率が得られることを示す。
総合的および実世界のベンチマークデータによる実験結果から、我々の新しいフレームワークは、完全な勾配と勾配HMCアプローチを著しく上回っていることが示された。
論文 参考訳（メタデータ） (2021-02-09T02:44:24Z)
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。