Test your samples jointly: Pseudo-reference for image quality evaluation

要約

タイトル：画像品質評価のための疑似参照：複数のサンプルを共同でテストする

要約：
– 今回の論文では、既存の手法と異なり、複数の画像を同時にモデル化することで、画像品質評価問題に対処します。
– 複数の歪んだ画像は、品質とコンテンツに関連する画像機能を識別するための情報を提供できるため、複数の画像が同時に処理できる方が精度が高いと考えました。
– この目的のために、異なる画像からの特徴表現を組み合わせて、疑似参照を推定します。
– 疑似参照を使用してスコア予測を改善し、同じ新しいコンテンツの複数の画像からの特徴を合成し、テスト時に精度を改善します。
– 実験は、私たちの方法が多数のサンプルを同時に処理することに成功したことを示しています。

要約(オリジナル)

In this paper, we address the well-known image quality assessment problem but in contrast from existing approaches that predict image quality independently for every images, we propose to jointly model different images depicting the same content to improve the precision of quality estimation. This proposal is motivated by the idea that multiple distorted images can provide information to disambiguate image features related to content and quality. To this aim, we combine the feature representations from the different images to estimate a pseudo-reference that we use to enhance score prediction. Our experiments show that at test-time, our method successfully combines the features from multiple images depicting the same new content, improving estimation quality.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI