LAR-IQA: 軽くて正確、そして堅牢な無参照画像品質評価モデル。

[fulfulggg]

タイトル: LAR-IQA: 軽くて正確、そして堅牢な無参照画像品質評価モデル。

リンク: https://arxiv.org/abs/2408.17057

概要:

深層学習を用いたノーリファレンス画像品質評価 (NR-IQA) の分野における近年の進歩により、複数のオープンソースデータセットにおいて高い性能が実証されています。しかし、そのようなモデルは一般的に非常に大きく複雑であるため、特にリソースやバッテリーに制約のあるモバイルデバイスでは、実際の展開にはあまり適していません。この制限に対処するため、ECCV AIM UHD-IQAチャレンジの検証およびテストデータセットで最先端 (SOTA) の性能を達成しながら、最速のSOTAモデルと比較して約5.7倍高速な、コンパクトで軽量なNR-IQAモデルを提案します。私たちのモデルは、合成的に歪んだ画像と実際に歪んだ画像で個別に学習されたデュアルブランチアーキテクチャを特徴としており、さまざまな歪みタイプにわたるモデルの汎化能力を高めています。多様な現実世界の視覚条件下でのロバスト性を向上させるために、学習プロセス中に複数の色空間を組み込んでいます。また、従来の多層パーセプトロン (MLP) と比較して、最終的な品質回帰のための最近提案されたコルモゴロフ・アーノルドネットワーク (KAN) の方が精度が高いことも示しています。さまざまなオープンソースデータセットを考慮した評価により、提案する軽量モデルの実用性、高精度、堅牢な性能が強調されています。コード: https://github.com/nasimjamshidi/LAR-IQA.

[fulfulggg]

@yukihiko-fuyuki が以下のラベルを提案し、適用しました：

• image-analysis
• model-compression
• robustness

[fulfulggg]

論文要約

LAR-IQA：軽くて正確、そして堅牢な無参照画像品質評価モデル - 論文要約

• 従来の問題点: 既存の深層学習ベースの画像品質評価モデルは高精度だが、サイズが大きく複雑なため、モバイルデバイスへの搭載が困難だった。

• 提案手法 (LAR-IQA):

  • 軽量化: 処理速度を重視したコンパクトなモデル設計により、従来の最速モデルと比べて約5.7倍高速化。モバイルデバイスへの搭載を現実的にする。
  • 二つのブランチ構造: 合成的な歪みと実際の歪み、それぞれに特化した学習を行うことで、様々な歪みタイプへの対応力を強化。
  • 複数色空間の活用: 学習段階で多様な色空間情報を取り入れることで、現実世界における様々な視覚条件へのロバスト性を向上。
  • 高精度な品質評価: 従来の多層パーセプトロン (MLP) に代わり、コルモゴロフ・アーノルドネットワーク (KAN) を採用することで、より正確な品質スコアの算出を実現。

• 結果:

  • 提案モデルは、複数の公開データセットにおいてSOTA (最高精度) を達成。
  • 軽量化、高精度、ロバスト性を兼ね備えた、実用性の高い画像品質評価モデルとして貢献。