Open Shinosuke7110 opened 1 year ago
要旨 画像処理システムの急速な発展により、実世界では画像の歪みが複雑化し、動的に変化している。そのため，ブラインド画像品質評価（BIQA）モデルは，これまでに見たことのない種類の歪みを持つ画像を処理するという難題に直面することがある．しかし、既存のBIQAモデルは一般に、未知の歪みタイプに適応的に進化することができないため、実環境でのBIQAモデルの展開や応用が大きく制限される。この問題に対処するため、我々はBIQAの生涯学習を目指した新しい生涯盲検画質評価（LIQA）アプローチを提案する。提案するLIQAは、過去の学習データにアクセスすることなく、新しい知識を学習するだけでなく、学習した知識の致命的な忘却を軽減することが可能である。具体的には、タスクに依存しない予測を行うシングルヘッドネットワークを学習するために、Split-and-Merge distillation strategyを採用する。分割段階では、まず歪みに特化した生成器を用いて、以前に見た歪みごとに擬似的な特徴を生成する。次に、補助的な多頭回帰ネットワークを用いて、各歪みの応答を保持する。マージ段階では、擬似特徴を再生し、補助的なマルチヘッドネットワークによって生成された擬似ラベルを使用して、複数のヘッドの知識を抽出し、最終的な回帰のシングルヘッドを構築することができます。広範な実験により、LIQAはデータセット内部の歪みシフトとデータセット間の歪みシフトの両方にうまく対処できることが実証された。さらに重要なことは、我々のモデルは、タスクのシーケンスが長い場合でも、安定した性能を達成することができることである。 索引用語-ブラインド画質評価、生涯学習、Split-and-Merge蒸留法、擬似記憶再生。
Authur 筆者
Motivation なぜやろうとしたか
Method 手法
Insight 結果
Contribution 貢献の要約
Keyword 新しいキーワードなど
Unknown 何が今だ不明か
Reflection 考察
Reference 関連研究
要旨 画像処理システムの急速な発展により、実世界では画像の歪みが複雑化し、動的に変化している。そのため，ブラインド画像品質評価（BIQA）モデルは，これまでに見たことのない種類の歪みを持つ画像を処理するという難題に直面することがある．しかし、既存のBIQAモデルは一般に、未知の歪みタイプに適応的に進化することができないため、実環境でのBIQAモデルの展開や応用が大きく制限される。この問題に対処するため、我々はBIQAの生涯学習を目指した新しい生涯盲検画質評価（LIQA）アプローチを提案する。提案するLIQAは、過去の学習データにアクセスすることなく、新しい知識を学習するだけでなく、学習した知識の致命的な忘却を軽減することが可能である。具体的には、タスクに依存しない予測を行うシングルヘッドネットワークを学習するために、Split-and-Merge distillation strategyを採用する。分割段階では、まず歪みに特化した生成器を用いて、以前に見た歪みごとに擬似的な特徴を生成する。次に、補助的な多頭回帰ネットワークを用いて、各歪みの応答を保持する。マージ段階では、擬似特徴を再生し、補助的なマルチヘッドネットワークによって生成された擬似ラベルを使用して、複数のヘッドの知識を抽出し、最終的な回帰のシングルヘッドを構築することができます。広範な実験により、LIQAはデータセット内部の歪みシフトとデータセット間の歪みシフトの両方にうまく対処できることが実証された。さらに重要なことは、我々のモデルは、タスクのシーケンスが長い場合でも、安定した性能を達成することができることである。 索引用語-ブラインド画質評価、生涯学習、Split-and-Merge蒸留法、擬似記憶再生。