Perceptual Assessment and Optimization of High Dynamic Range Image Rendering

要約

ハイ ダイナミック レンジ (HDR) イメージングは​​、自然シーンの輝度レベルを忠実に再現できるため、ますます人気が高まっています。
したがって、HDR 画質評価 (IQA) は重要ですが、表面的に扱われてきました。
既存の IQA モデルの大部分は、ロー ダイナミック レンジ (LDR) 画像用に開発され、それに対して調整されていますが、HDR 画質に対する人間の認識との相関が低いことがわかっています。
この研究では、LDR IQA の最近の進歩を移植することにより、HDR IQA モデルのファミリーを提案します。
私たちのアプローチの重要なステップは、HDR 画像を異なる露出の LDR 画像のセットに分解する単純な逆表示モデルを指定することです。これらの画像は、既存の LDR 品質モデルによって評価されます。
次に、各露出のローカル品質スコアが、単純な適切な露出度の測定を利用して各露出のグローバル品質スコアに集約され、全体の品質スコアを取得するために露出全体でさらに重み付けされます。
LDR 画像を評価する場合、提案された HDR 品質モデルは、同じパフォーマンスを持つ元の LDR モデルに適切に縮小されます。
人間が評価した 4 つの HDR 画像データセットの実験により、当社の HDR 品質モデルが、HDR-VDP ファミリを含む既存の IQA 手法よりも一貫して優れていることが実証されました。
さらに、HDR 新規ビュー合成の知覚最適化における強みを実証します。

要約(オリジナル)

High dynamic range (HDR) imaging has gained increasing popularity for its ability to faithfully reproduce the luminance levels in natural scenes. Accordingly, HDR image quality assessment (IQA) is crucial but has been superficially treated. The majority of existing IQA models are developed for and calibrated against low dynamic range (LDR) images, which have been shown to be poorly correlated with human perception of HDR image quality. In this work, we propose a family of HDR IQA models by transferring the recent advances in LDR IQA. The key step in our approach is to specify a simple inverse display model that decomposes an HDR image to a set of LDR images with different exposures, which will be assessed by existing LDR quality models. The local quality scores of each exposure are then aggregated with the help of a simple well-exposedness measure into a global quality score for each exposure, which will be further weighted across exposures to obtain the overall quality score. When assessing LDR images, the proposed HDR quality models reduce gracefully to the original LDR ones with the same performance. Experiments on four human-rated HDR image datasets demonstrate that our HDR quality models are consistently better than existing IQA methods, including the HDR-VDP family. Moreover, we demonstrate their strengths in perceptual optimization of HDR novel view synthesis.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google