Open Shinosuke7110 opened 2 years ago
画像の復元・強調・生成のための生成モデルは、生成される画像の品質を著しく向上させてきた。驚くことに、これらのモデルは他の方法よりも人の目に心地よい画像を生成するが、しかし、PSNRやSSIMといった従来の知覚品質メトリクスを用いると、より低い知覚品質スコアを得ることがある。 そのため、新しいアルゴリズムの性能を反映する定量的な指標を開発する必要があり、その指標は人の平均意見スコア（MOS）とうまく整合させる必要がある。知覚的画質評価（IQA）のための学習ベースのアプローチは、通常、正確に知覚的品質を測定するために、歪んだ画像と参照画像の両方を必要とします。しかし、一般的には、歪んだ画像や生成された画像しか利用できない。 本研究では、変換器を用いた完全参照IQAモデルの性能について検討する。また、ノイズの多い擬似ラベル付けデータを用いて、完全参照の教師モデルからブラインド生徒モデルへの半教師付き知識抽出に基づくIQA手法を提案する。 また、NTIRE 2022 Perceptual Image Quality Assessment Challengeにおいて、我々のアプローチは競争力のある結果を達成した。我々のフルリファレンスモデルは4位、ブラインドノイズストーカーは70人中それぞれ3位と、それぞれのトラックで結果を出した。
https://github.com/mv-lab/IQA-Conformer-BNS https://arxiv.org/abs/2204.12819
Shinosuke7110
commented
2 years ago Shinosuke7110
commented
2 years ago
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
画像の復元・強調・生成のための生成モデルは、生成される画像の品質を著しく向上させてきた。驚くことに、これらのモデルは他の方法よりも人の目に心地よい画像を生成するが、しかし、PSNRやSSIMといった従来の知覚品質メトリクスを用いると、より低い知覚品質スコアを得ることがある。 そのため、新しいアルゴリズムの性能を反映する定量的な指標を開発する必要があり、その指標は人の平均意見スコア（MOS）とうまく整合させる必要がある。知覚的画質評価（IQA）のための学習ベースのアプローチは、通常、正確に知覚的品質を測定するために、歪んだ画像と参照画像の両方を必要とします。しかし、一般的には、歪んだ画像や生成された画像しか利用できない。 本研究では、変換器を用いた完全参照IQAモデルの性能について検討する。また、ノイズの多い擬似ラベル付けデータを用いて、完全参照の教師モデルからブラインド生徒モデルへの半教師付き知識抽出に基づくIQA手法を提案する。 また、NTIRE 2022 Perceptual Image Quality Assessment Challengeにおいて、我々のアプローチは競争力のある結果を達成した。我々のフルリファレンスモデルは4位、ブラインドノイズストーカーは70人中それぞれ3位と、それぞれのトラックで結果を出した。