Localization of Just Noticeable Difference for Image Compression

要約

可感差異 (JND) は、人が検出できる刺激間の最小差異です。
特定の参照画像と圧縮アルゴリズムのピクチャ単位のちょうど顕著な差分 (PJND) は、再構成で顕著な違いを引き起こす最小レベルの圧縮を表します。
これらの違いは、JND クリティカル領域と呼ばれる、画像内の一部の特定の領域でのみ観察されます。
これらの領域を特定すると、画像圧縮アルゴリズムの開発が向上します。
視覚認識は個人によって異なるという事実により、対象とする消費者集団の PJND 値と JND クリティカル領域を決定するには、十分な数の観察者が参加する主観的な評価実験が必要です。
本稿では、クラウドソーシングを利用してこのような実験を実施するための新しいフレームワークを提案します。
このフレームワークを適用することで、新しい PJND データセット KonJND++ を作成しました。これは、300 個のソース画像、JPEG または BPG 圧縮によるその圧縮バージョン、およびそれぞれの平均 43 の PJND 評価と 129 の自己報告された JND クリティカル領域の位置で構成されています。
ソース画像。
私たちの実験は、大規模なデータセットの収集に簡単に適応できる、私たちが提案したフレームワークの有効性と信頼性を実証しています。
ソース コードとデータセットは https://github.com/angchen-dev/LocJND で入手できます。

要約(オリジナル)

The just noticeable difference (JND) is the minimal difference between stimuli that can be detected by a person. The picture-wise just noticeable difference (PJND) for a given reference image and a compression algorithm represents the minimal level of compression that causes noticeable differences in the reconstruction. These differences can only be observed in some specific regions within the image, dubbed as JND-critical regions. Identifying these regions can improve the development of image compression algorithms. Due to the fact that visual perception varies among individuals, determining the PJND values and JND-critical regions for a target population of consumers requires subjective assessment experiments involving a sufficiently large number of observers. In this paper, we propose a novel framework for conducting such experiments using crowdsourcing. By applying this framework, we created a novel PJND dataset, KonJND++, consisting of 300 source images, compressed versions thereof under JPEG or BPG compression, and an average of 43 ratings of PJND and 129 self-reported locations of JND-critical regions for each source image. Our experiments demonstrate the effectiveness and reliability of our proposed framework, which is easy to be adapted for collecting a large-scale dataset. The source code and dataset are available at https://github.com/angchen-dev/LocJND.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google