Subjective Quality Assessment for Images Generated by Computer Graphics

要約

レンダリング技術の開発に伴い、コンピュータグラフィックス生成画像（CGI）は、建築設計、ビデオゲーム、シミュレータ、映画などの実用的なアプリケーションシナリオで広く使用されています。自然シーン画像（NSI）とは異なり、CGIの歪みは
通常、レンダリング設定が不十分で、計算リソースが限られていることが原因です。
さらに、一部のCGIは、クラウドゲームやストリームメディアなどの伝送システムでの圧縮歪みにも悩まされる可能性があります。
ただし、コンピュータグラフィックスで生成された画像の品質評価（CG-IQA）の問題に取り組むために、限られた作業が提案されています。
したがって、本論文では、CG-IQAタスクの課題に対処するための大規模な主観的CG-IQAデータベースを確立します。
以前のデータベースと個人の収集を通じて、25,454の野生のCGIを収集します。
データクリーニング後、主観的な実験を行うために、1,200のCGIを慎重に選択します。
いくつかの一般的な非参照画質評価（NR-IQA）メソッドがデータベースでテストされています。
実験結果は、手作りベースの方法が主観的判断との相関が低く、深層学習ベースの方法が比較的優れたパフォーマンスを達成することを示しています。これは、現在のNR-IQAモデルがCG-IQAタスクに適していないことを示しており、より効果的なモデルが緊急に必要とされています。
。

要約(オリジナル)

With the development of rendering techniques, computer graphics generated images (CGIs) have been widely used in practical application scenarios such as architecture design, video games, simulators, movies, etc. Different from natural scene images (NSIs), the distortions of CGIs are usually caused by poor rending settings and limited computation resources. What’s more, some CGIs may also suffer from compression distortions in transmission systems like cloud gaming and stream media. However, limited work has been put forward to tackle the problem of computer graphics generated images’ quality assessment (CG-IQA). Therefore, in this paper, we establish a large-scale subjective CG-IQA database to deal with the challenge of CG-IQA tasks. We collect 25,454 in-the-wild CGIs through previous databases and personal collection. After data cleaning, we carefully select 1,200 CGIs to conduct the subjective experiment. Several popular no-reference image quality assessment (NR-IQA) methods are tested on our database. The experimental results show that the handcrafted-based methods achieve low correlation with subjective judgment and deep learning based methods obtain relatively better performance, which demonstrates that the current NR-IQA models are not suitable for CG-IQA tasks and more effective models are urgently needed.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google