論文の概要: HIFC-IQA: Train-Free Cross-Domain Image Quality Assessment via Dual-Process Cognition
- arxiv url: http://arxiv.org/abs/2611.16451v1
- Date: Thu, 12 Nov 2026 08:04:40 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-14 01:36:33.395028
- Title: HIFC-IQA: Train-Free Cross-Domain Image Quality Assessment via Dual-Process Cognition
- Title(参考訳): HIFC-IQA:Dual-Process Cognitionによる列車なしクロスドメイン画像品質評価
- Abstract要約: 列車のないクロスドメインIQAフレームワークとして階層直観・ファジィ・コンセンサス(HIFC)を提案する。
HIFCは、歪みに敏感な表現から意味内容を切り離すために非対称な知覚分解を用いる。
実験の結果、HIFCは複数のベンチマークで最先端のパフォーマンスを達成し、競合するUDA手法の中でもSRCCとPLCCの平均値が最も高い。
- 参考スコア(独自算出の注目度): 18.316319349802967
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The gap between controlled synthetic distortions and complex real-world degradations introduces a critical domain shift challenge for No-Reference Image Quality Assessment. Although Unsupervised Domain Adaptation (UDA) approaches attempt to address this issue, they remain constrained by substantial retraining overhead and cumulative error propagation inherent in iterative pseudo-labeling. Inspired by the dual-process theory of human cognition for remarkable generalization ability, we propose Hierarchical Intuitive and Fuzzy Consensus (HIFC), a completely train-free Cross-Domain IQA framework. HIFC employs asymmetric perceptual decomposition to disentangle semantic content from distortion-sensitive representations. The final quality score is fused through the synergy of two complementary branches: a memory consensus branch that retrieves a stable Fuzzy Quality Centroid from a synthetic reference gallery, and an intuitive branch that captures aesthetic polarization via zero-shot vision-language alignment. Extensive experiments show that HIFC achieves state-of-the-art performance across multiple benchmarks, attaining the highest average SRCC and PLCC among competing UDA methods. Most notably, in the challenging synthetic-to-authentic cross-domain setting, HIFC achieves a substantial performance margin over competing methods, demonstrating remarkable robustness and generalization.
- Abstract(参考訳): 制御された合成歪みと複雑な実世界の劣化とのギャップは、No-Reference Image Quality Assessmentにとって重要な領域シフトの挑戦をもたらす。
Unsupervised Domain Adaptation (UDA) はこの問題に対処しようとするが、これは繰り返し擬似ラベルに固有のオーバーヘッドと累積誤差の伝播によって制約される。
人間の認知の二重プロセス理論に着想を得て, 列車のないクロスドメインIQAフレームワーク Hierarchical Intuitive and Fuzzy Consensus (HIFC) を提案する。
HIFCは、歪みに敏感な表現から意味内容を切り離すために非対称な知覚分解を用いる。
最終的な品質スコアは、2つの相補的なブランチのシナジーにより融合される: 合成参照ギャラリーから安定したファジィ品質セントロイドを検索するメモリコンセンサスブランチと、ゼロショット視覚言語アライメントを介して美的偏光をキャプチャする直感的なブランチである。
実験の結果,HIFCは複数のベンチマークで最先端の性能を達成し,競合するUDA法の中で最も平均的なSRCCとPLCCを達成した。
特に、挑戦的な合成と音響のクロスドメイン設定において、HIFCは競合する手法よりもかなりの性能の差を達成し、顕著な堅牢性と一般化を示している。
関連論文リスト
- FreqOrtho-SR: Frequency-Guided Orthogonal Expert Learning for Real-World Image Super-Resolution [3.479971042921974]
本稿では,FreqOrtho-SRを提案する。
$textbfOrtho$gonal Gradient Projection (OGP) は、双対目的最適化を部分空間制約問題として再設定する。
実験により、FreqOrtho-SRは、競争全体のパフォーマンスと強力なフィデリティ・パーセプショントレードオフを達成することが示された。
論文 参考訳(メタデータ) (2026-06-27T05:51:23Z) - Better with Less: Tackling Heterogeneous Multi-Modal Image Joint Pretraining via Conditioned and Degraded Masked Autoencoder [34.73963627819185]
高分解能光合成開口レーダ(SAR)プレトレーニングは、単一ソース表現を相互に強化するために、モダリティの相乗効果を求める。
我々は、アライメントの少ないテキスト・ベッター・シナジーの先駆者であるCoDe-MAEを提案する。
CoDe-MAEは、表現の劣化を防ぎ、多様な単一および双方向の下流タスクにまたがる新しい最先端のパフォーマンスを確立する。
論文 参考訳(メタデータ) (2026-04-18T10:23:00Z) - Boundary-aware Prototype-driven Adversarial Alignment for Cross-Corpus EEG Emotion Recognition [6.313563501854241]
クロスコーパス脳波感情認識のためのPAA(Prototype-driven Adrial Alignment)フレームワークを提案する。
提案手法は,感情認識を関係駆動型表現学習問題として再構成する。
SEED、SEED-IV、SEED-Vの実験は、4つのクロスコーパス評価プロトコル下での最先端性能を示す。
論文 参考訳(メタデータ) (2026-03-18T02:28:05Z) - SRSR: Enhancing Semantic Accuracy in Real-World Image Super-Resolution with Spatially Re-Focused Text-Conditioning [59.013863248600046]
本稿では,空間的に再焦点を絞ったテキストコンディショニングを推論時に洗練する超解像フレームワークを提案する。
第二に,非接地画素に対するテキストの影響を選択的に回避し,幻覚を防ぐ空間的自由誘導機構を導入する。
論文 参考訳(メタデータ) (2025-10-26T05:03:55Z) - 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) - IQPFR: An Image Quality Prior for Blind Face Restoration and Beyond [56.99331967165238]
Blind Face Restoration (BFR)は、劣化した低品質(LQ)の顔画像を高品質(HQ)の出力に再構成する課題に対処する。
本研究では,非参照画像品質評価(NR-IQA)モデルから得られた画像品質優先(IQP)を組み込んだ新しいフレームワークを提案する。
提案手法は,複数のベンチマークにおいて最先端技術より優れている。
論文 参考訳(メタデータ) (2025-03-12T11:39:51Z) - Decoupled Doubly Contrastive Learning for Cross Domain Facial Action Unit Detection [66.80386429324196]
そこで本稿では,AU 表現を2つに分離した2つのコントラスト適応 (D$2$CA) 手法を提案する。
D$2$CAは、合成顔の質を評価することにより、AUとドメイン因子を乱すように訓練される。
最先端のクロスドメインAU検出アプローチよりも一貫して優れています。
論文 参考訳(メタデータ) (2025-03-12T00:42:17Z) - You Only Train Once: A Unified Framework for Both Full-Reference and No-Reference Image Quality Assessment [45.62136459502005]
本稿では,完全な参照 (FR) と非参照 (NR) IQA を行うネットワークを提案する。
まず、入力画像から多レベル特徴を抽出するためにエンコーダを用いる。
FRおよびNR入力のユニバーサルアダプタとして階層的注意(HA)モジュールを提案する。
エンコーダの浅い層と深い層との間の特徴相関を調べるために, セマンティック・ディストーション・アウェア (SDA) モジュールを提案する。
論文 参考訳(メタデータ) (2023-10-14T11:03:04Z) - Dual Associated Encoder for Face Restoration [68.49568459672076]
低品質(LQ)画像から顔の詳細を復元するために,DAEFRという新しいデュアルブランチフレームワークを提案する。
提案手法では,LQ入力から重要な情報を抽出する補助的なLQ分岐を導入する。
合成と実世界の両方のデータセットに対するDAEFRの有効性を評価する。
論文 参考訳(メタデータ) (2023-08-14T17:58:33Z)
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。