BAND-2k: Banding Artifact Noticeable Database for Banding Detection and Quality Assessment

要約

階段状の輪郭とも呼ばれるバンディングは、圧縮アルゴリズムまたは量子化アルゴリズムによって処理された画像/ビデオの平らな領域で頻繁に発生します。
バンディングは望ましくないアーティファクトとして、元の画像構造を破壊し、ユーザーの体験品質 (QoE) を低下させます。
この論文では、画像バンディング アーティファクトを検出し、その知覚的な視覚品質を評価することを目的として、バンディング画像品質評価 (IQA) 問題を系統的に調査します。
既存の画像バンディング データベースには限られたコンテンツ ソースとバンディング生成方法しか含まれておらず、知覚品質ラベル (つまり平均意見スコア) が欠如していることを考慮して、まず Banding Artifact Noticeable Database (BAND-2k) という名前のこれまでで最大のバンディング IQA データベースを構築します。
、15 の圧縮および量子化スキームによって生成された 2,000 のバンディング イメージで構成されます。
合計 23 人の作業者が主観的な IQA 実験に参加し、214,000 を超えるパッチレベルのバンディング クラス ラベルと 44,371 件の信頼できる画像レベルの品質評価が得られました。
続いて、バンディングアーティファクトの周波数特性を利用してバンディング検出と品質評価を行うための効果的な非参照 (NR) バンディング評価器を開発します。
デュアル畳み込みニューラル ネットワークを採用して、高周波マップと低周波マップから特徴表現を同時に学習することで、バンディング アーティファクトを識別する能力が強化されています。
バンディング画像の品質スコアは、空間周波数フィルターによってマスクされたバンディング検出マップをプールすることによって生成されます。
実験では、当社のバンディング評価器がバンディング検出において非常に高い精度を達成し、知覚品質ラベルで高い SRCC および PLCC 結果を示すことが実証されました。
これらの発見は、バンディング アーティファクトの強度と知覚的な視覚的品質との間に強い相関関係があることを明らかにし、バンディング品質評価の必要性を検証します。

要約(オリジナル)

Banding, also known as staircase-like contours, frequently occurs in flat areas of images/videos processed by the compression or quantization algorithms. As undesirable artifacts, banding destroys the original image structure, thus degrading users’ quality of experience (QoE). In this paper, we systematically investigate the banding image quality assessment (IQA) problem, aiming to detect the image banding artifacts and evaluate their perceptual visual quality. Considering that the existing image banding databases only contain limited content sources and banding generation methods, and lack perceptual quality labels (i.e. mean opinion scores), we first build the largest banding IQA database so far, named Banding Artifact Noticeable Database (BAND-2k), which consists of 2,000 banding images generated by 15 compression and quantization schemes. A total of 23 workers participated in the subjective IQA experiment, yielding over 214,000 patch-level banding class labels and 44,371 reliable image-level quality ratings. Subsequently, we develop an effective no-reference (NR) banding evaluator for banding detection and quality assessment by leveraging frequency characteristics of banding artifacts. A dual convolutional neural network is employed to concurrently learn the feature representation from the high-frequency and low-frequency maps, thereby enhancing the ability to discern banding artifacts. The quality score of a banding image is generated by pooling the banding detection maps masked by the spatial frequency filters. Experiments demonstrate that our banding evaluator achieves a remarkably high accuracy in banding detection and also exhibits high SRCC and PLCC results with the perceptual quality labels. These findings unveil the strong correlations between the intensity of banding artifacts and the perceptual visual quality, thus validating the necessity of banding quality assessment.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google