A Survey on Image Quality Assessment: Insights, Analysis, and Future Outlook

要約

画質評価（IQA）は、画像中心のテクノロジーにおける極めて重要な課題を表し、画像処理とコンピュータービジョンの進歩軌道に大きく影響します。
最近、IQAは、新しい建築のパラダイムと洗練された計算技術の出現に起因する革新的な研究努力の顕著な急増を目撃しました。
この調査では、アプリケーションシナリオに従って組織された現代のIQA方法論の広範な分析を提供し、初心者と経験豊富な研究者の両方にとって有益なリファレンスとして機能します。
現在のアプローチの利点と制限を分析し、潜在的な将来の研究経路を示唆しています。
この調査には、従来の統計測定、機械学習技術、畳み込みニューラルネットワーク（CNNS）やトランスモデルなどの最先端の深い学習モデルなど、一般的および特定のIQA方法論が含まれます。
この調査内の分析は、さまざまなアプリケーションシナリオに合わせた歪み固有のIQAメソッドの必要性を強調し、将来の開発における実用性、解釈可能性、および実装の容易さの重要性を強調しています。

要約(オリジナル)

Image quality assessment (IQA) represents a pivotal challenge in image-focused technologies, significantly influencing the advancement trajectory of image processing and computer vision. Recently, IQA has witnessed a notable surge in innovative research efforts, driven by the emergence of novel architectural paradigms and sophisticated computational techniques. This survey delivers an extensive analysis of contemporary IQA methodologies, organized according to their application scenarios, serving as a beneficial reference for both beginners and experienced researchers. We analyze the advantages and limitations of current approaches and suggest potential future research pathways. The survey encompasses both general and specific IQA methodologies, including conventional statistical measures, machine learning techniques, and cutting-edge deep learning models such as convolutional neural networks (CNNs) and Transformer models. The analysis within this survey highlights the necessity for distortion-specific IQA methods tailored to various application scenarios, emphasizing the significance of practicality, interpretability, and ease of implementation in future developments.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google