論文の概要: QICOM: Open-Source Software for Reproducible Image Quality Evaluation, Blinded Assessment, and Radiomic Comparison

• arxiv url: http://arxiv.org/abs/2610.31218v1
• Date: Thu, 22 Oct 2026 13:03:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-24 02:08:44.381025
• Title: QICOM: Open-Source Software for Reproducible Image Quality Evaluation, Blinded Assessment, and Radiomic Comparison
• Title（参考訳）: QICOM:再現可能な画質評価、ブラインド評価、放射線比較のためのオープンソースソフトウェア
• Abstract要約: QICOMは、定量的画像比較、ペアラジオミクス、ブラインド評価のためのオープンソースソフトウェアである。 処理設定、画像のアイデンティティ、測定、レスポンスマッピングを保存して、比較を再オープンし、再計算することができる。 我々は、基準合意、制御された摂動に対する応答、および保存された分析の回復を評価する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: QICOM (Quality Image COMparator) is open-source software for quantitative image comparison, paired radiomics, and blinded assessment. It saves processing settings, image identities, measurements, and response mappings so a comparison can be reopened and recalculated. We evaluate reference agreement, responses to controlled perturbations, and recovery of saved analyses. Synthetic experiments cover 37 quantitative descriptors using independentnumerical references and separate upstream integration comparisons. The QICOM/MIRP backend meets the reference tolerances for all 482 numeric IBSI 1 digital-phantom entries and all 1,622 entries across configurations A-E of the public CT reference case; these comprise 1,804 feature/aggregation comparisons and 300 preprocessing diagnostics. Restricting masked SSIM and HFEN to complete kernel support removes the observed dependence on excluded pixels. In a synthetic filtering example, stronger smoothing increases SSIM while worsening MSE and HFEN relative to milder smoothing and changing GLCM contrast more strongly. Reopened radiomics projects reproduce all 43 feature pairs per comparison, and two blinded deliveries return four correctly mapped scripted responses. These experiments document the calculations and data transfers linking the three workflows.
• Abstract（参考訳）: QICOM(Quality Image COMparator)は、定量的画像比較、ペアラジオミクス、ブラインド評価のためのオープンソースソフトウェアである。 処理設定、画像のアイデンティティ、測定、レスポンスマッピングを保存して、比較を再オープンし、再計算することができる。 我々は、基準合意、制御された摂動に対する応答、および保存された分析の回復を評価する。 合成実験は、独立な数値参照と上流統合比較を分離した37の量記述子をカバーしている。 QICOM/MIRPバックエンドは、482個の数値IBSI 1のデジタルファントムエントリと、パブリックCT参照ケースのA-Eにまたがる構成の1,622個のエントリの参照許容値を満たす。 マスクされたSSIMとHFENをカーネルサポートに制限することは、除外されたピクセルに対する観察された依存を取り除く。 合成ろ過の例では, 強い滑らか化はSSIMを増加させる一方, MSEとHFENはより軽度な滑らか化とGLCMのコントラストの変化に対して悪化する。 再開されたラジオミクスプロジェクトは、比較ごとに43のフィーチャーペアをすべて再現し、2つの盲目の配達は4つの正しくマッピングされたスクリプト応答を返す。 これらの実験は、3つのワークフローをリンクする計算とデータ転送を文書化する。

関連論文リスト

• MIC: Explaining Image-Claim Inconsistencies in AI-Generated Multimodal Misinformation [86.6217922377209]
  MIC(Multimodal Inconsistency Checking)はAIが生成する誤情報を検出することで,人間の事実チェックを支援するAFCフレームワークである。 さらに,4,406クレームから派生した8,812の画像取得インスタンスからなるベンチマークであるMIC-Benchを紹介する。 SFTのみと比較して、GRPOはマイロF1をさらに4.67と4.11ポイント改善している。
  論文  参考訳（メタデータ） (2026-09-27T10:46:42Z)
• REALIS: A Curated Dataset for Studying the Challenges of AI Image Detection [41.56501588335545]
  42の現代テキスト画像モデルによって生成された133万のリアル画像と合成画像のデータセットであるREALISを紹介する。 また、高品質な合成画像のためのストレステストサブセットであるREALIS-Expertを紹介する。 提案手法は,REALISに基づいて,事前学習された検出器,微調整されたモデル,ジェネレータおよび後処理シフト下でのゼロショットビジョン言語モデルを評価する。
  論文  参考訳（メタデータ） (2026-09-26T15:53:36Z)
• Selective Amortization of Full-Budget Counterfactual Reasoning for Visual Token Communication [9.80800686970189]
  ACV-Gateは、フル予算の対実評価を近似するために学習する適応型候補評価フレームワークである。 CIFAR-10 実験の結果,ACV-Gate の再現性は安定的に向上し,候補評価を大幅に低減した。
  論文  参考訳（メタデータ） (2026-09-25T03:31:35Z)
• Coupled Continuous-Discrete Generation for Scene Text Image Super-Resolution [51.31474187379532]
  Scene Text Image Super- resolution (STISR) は、劣化した入力から文字の意味を保ちながら、視覚的に可視な外観を回復することを目的としている。 本稿では,STISRを連成連続離散生成として定式化する統合フレームワークであるDualTSRを提案する。 条件付きフローマッチングは連続した画像ラテントを復元し、吸収状態の離散拡散はテキストトークンを再構成する。
  論文  参考訳（メタデータ） (2026-08-05T06:57:30Z)
• 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)
• Multi-Contrast MRI Motion Correction via Parameter-Informed Disentanglement and Adaptive Experts [56.74856091904914]
  パラメータインフォームドコントラストと重度適応補正を組み合わせた統合フレームワークを提案する。 ScanCLIPは、取得パラメータからアンタングルコントラストスタイルへのコントラスト埋め込みを解剖学的内容から導き、コントラストのない特徴をもたらす。 ビジョントランスフォーマーは、動きの重大度を推定し、Mixture-of-Expertsネットワークを介して特徴をルーティングし、ターゲットのアーティファクト修正を可能にする。
  論文  参考訳（メタデータ） (2026-05-29T02:48:23Z)
• Do Composed Image Retrieval Benchmarks Require Multimodal Composition? [86.99911649534795]
  合成画像検索ベンチマークでは,マルチモーダルな構成が必要であると推定される。 4つの広く使用されているCIRベンチマークと11のジェネリストマルチモーダルエンベディングモデルで、クエリの大部分が単一モードで解決できる。 CIRの性能は、真のマルチモーダル合成ではなく、単一モーダル信号から生じる。
  論文  参考訳（メタデータ） (2026-05-14T12:56:36Z)
• NCL-CIR: Noise-aware Contrastive Learning for Composed Image Retrieval [16.460121977322224]
  Composed Image Retrieval (CIR)は、画像と修正テキストを組み合わせてターゲットをピンポイントするマルチモーダルクエリを用いて、ターゲット画像の検索を試みる。 ペアは、不正確な修正テキスト、品質の低いターゲット画像、アノテーションエラーなどの問題により、部分的にあるいは完全に一致しないことが多い。 重み補償ブロック (WCB) と雑音対フィルタブロック (NFB) の2つの主要な構成要素からなるCIR (NCL-CIR) のためのノイズ対応コントラスト学習法を提案する。
  論文  参考訳（メタデータ） (2025-04-06T03:27:23Z)
• 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)
• PIQI: Perceptual Image Quality Index based on Ensemble of Gaussian Process Regression [2.9412539021452715]
  デジタル画像の品質を評価するためにPIQI(Perceptual Image Quality Index)を提案する。 PIQIの性能は6つのベンチマークデータベースでチェックされ、12の最先端の手法と比較される。
  論文  参考訳（メタデータ） (2023-05-16T06:44:17Z)

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。