Open Shinosuke7110 opened 1 year ago
現在，ほとんどの画質評価（IQA）モデルは，経験的に収束が遅いMAEまたはMSE損失によって監督されている．しかし，正規化することで収束が早くなることはよく知られている．そこで、我々はIQAのための損失関数の設計において正規化を検討する。具体的には、まず、予測品質スコアとそれに対応する主観品質スコアの正規化を行う。そして、これらの正規化された値の差のノルムを基に損失を定義する。その結果、「ノルムインノルム」損失は、IQAモデルが主観的品質スコアに関して線形予測を行うよう促す。学習後、最小二乗回帰を適用し、予測された品質から主観的品質への線形マッピングを決定する。この新しい損失は、2つの一般的なIQA性能基準（PLCCとRMSE）と密接な関係があることが示される。理論的な分析により、組み込まれた正規化によって損失関数の勾配がより安定し、より予測可能になることが証明され、これはIQAモデルのより早い収束に寄与している。さらに、提案損失の有効性を実験的に検証するために、野生の画像の品質評価という難題の解決に適用する。2つのデータセット(KonIQ-10kとCLIVE)を用いた実験により、MAEやMSE損失と比較して、新しい損失はIQAモデルの収束を約10倍速くし、最終モデルがより良い性能を達成することが示される。また、提案モデルは、この困難な問題に対して最先端の予測性能を達成しています。
www.DeepL.com/Translator（無料版）で翻訳しました。
https://arxiv.org/abs/2008.03889 https://github.com/lidq92/LinearityIQA
Shinosuke7110
commented
1 year ago Shinosuke7110
commented
1 year 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
現在，ほとんどの画質評価（IQA）モデルは，経験的に収束が遅いMAEまたはMSE損失によって監督されている．しかし，正規化することで収束が早くなることはよく知られている．そこで、我々はIQAのための損失関数の設計において正規化を検討する。具体的には、まず、予測品質スコアとそれに対応する主観品質スコアの正規化を行う。そして、これらの正規化された値の差のノルムを基に損失を定義する。その結果、「ノルムインノルム」損失は、IQAモデルが主観的品質スコアに関して線形予測を行うよう促す。学習後、最小二乗回帰を適用し、予測された品質から主観的品質への線形マッピングを決定する。この新しい損失は、2つの一般的なIQA性能基準（PLCCとRMSE）と密接な関係があることが示される。理論的な分析により、組み込まれた正規化によって損失関数の勾配がより安定し、より予測可能になることが証明され、これはIQAモデルのより早い収束に寄与している。さらに、提案損失の有効性を実験的に検証するために、野生の画像の品質評価という難題の解決に適用する。2つのデータセット(KonIQ-10kとCLIVE)を用いた実験により、MAEやMSE損失と比較して、新しい損失はIQAモデルの収束を約10倍速くし、最終モデルがより良い性能を達成することが示される。また、提案モデルは、この困難な問題に対して最先端の予測性能を達成しています。
www.DeepL.com/Translator（無料版）で翻訳しました。