要約
\underline{AI} \underline{G} によって生成された \underline{C} コンテンツ (\textbf{AIGC}) は、コンテンツ作成における深層学習の効率が高まるにつれて、広く注目を集めています。
人工知能技術を活用して作成された AIGC にはさまざまな形式のコンテンツが含まれますが、その中で AI によって生成された画像 (AGI) は社会に大きな影響を与え、エンターテイメント、教育、ソーシャル メディアなどのさまざまな分野に適用されています。
ただし、ハードウェアの制限と技術的な習熟度により、AIGC 画像 (AGI) の品質はさまざまであり、実用化する前に調整とフィルタリングが必要です。
その結果、AGI の品質を評価するための客観的なモデルを開発する緊急の必要性があります。
残念ながら、AGI の知覚品質評価を具体的に調査するための研究は行われていません。
したがって、この論文では、最初に、技術的な問題、AI アーティファクト、不自然さ、不一致、および AGI 品質評価の美学などの主要な評価側面について説明します。
次に、拡散モデルから生成された 1,080 の AGI で構成される最初の知覚 AGI 品質評価データベース AGIQA-1K を提示します。
AGI の品質ラベルを収集するために、よく組織化された主観的な実験が行われます。
最後に、現在の画質評価 (IQA) モデルのパフォーマンスを評価するためのベンチマーク実験を行います。
要約(オリジナル)
\underline{AI} \underline{G}enerated \underline{C}ontent (\textbf{AIGC}) has gained widespread attention with the increasing efficiency of deep learning in content creation. AIGC, created with the assistance of artificial intelligence technology, includes various forms of content, among which the AI-generated images (AGIs) have brought significant impact to society and have been applied to various fields such as entertainment, education, social media, etc. However, due to hardware limitations and technical proficiency, the quality of AIGC images (AGIs) varies, necessitating refinement and filtering before practical use. Consequently, there is an urgent need for developing objective models to assess the quality of AGIs. Unfortunately, no research has been carried out to investigate the perceptual quality assessment for AGIs specifically. Therefore, in this paper, we first discuss the major evaluation aspects such as technical issues, AI artifacts, unnaturalness, discrepancy, and aesthetics for AGI quality assessment. Then we present the first perceptual AGI quality assessment database, AGIQA-1K, which consists of 1,080 AGIs generated from diffusion models. A well-organized subjective experiment is followed to collect the quality labels of the AGIs. Finally, we conduct a benchmark experiment to evaluate the performance of current image quality assessment (IQA) models.
arxiv情報
| 著者 | Zicheng Zhang,Chunyi Li,Wei Sun,Xiaohong Liu,Xiongkuo Min,Guangtao Zhai |
| 発行日 | 2023-03-22 14:59:49+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google