Subjective and Objective Quality Assessment for in-the-Wild Computer Graphics Images

要約

コンピューター グラフィックス画像 (CGI) は、コンピューター プログラムによって人工的に生成され、ゲームやストリーミング メディアなどのさまざまなシナリオで広く認識されています。実際には、CGI の品質は、制作中のレンダリングの低下や制作中の避けられない圧縮アーティファクトによって常に影響を受けています。
マルチメディア アプリケーションの送信、および不適切な構成とデザインによる美的品質の低下。
しかし、コンピュータ グラフィックスの画質評価 (CGIQA) の課題に対処することに特化した研究はほとんどありません。
ほとんどの画質評価 (IQA) メトリックは自然シーン画像 (NSI) 用に開発され、合成歪みを含む NSI で構成されるデータベースで検証されますが、実際の CGI には適していません。
NSI と CGI の品質評価の間のギャップを埋めるために、6,000 個の CGI からなる大規模な実際の CGIQA データベース (CGIQA-6k) を構築し、よく管理された実験室環境で主観実験を実行して、
CGI の正確な知覚評価。
次に、歪みと美的品質表現の両方を利用することにより、効果的な深層学習ベースの非参照 (NR) IQA モデルを提案します。
実験結果は、提案された方法が、構築されたCGIQA-6kデータベースおよび他のCGIQA関連データベース上で他のすべての最先端のNR IQA方法よりも優れていることを示しています。
データベースはさらなる研究を促進するために公開されます。

要約(オリジナル)

Computer graphics images (CGIs) are artificially generated by means of computer programs and are widely perceived under various scenarios, such as games, streaming media, etc. In practice, the quality of CGIs consistently suffers from poor rendering during production, inevitable compression artifacts during the transmission of multimedia applications, and low aesthetic quality resulting from poor composition and design. However, few works have been dedicated to dealing with the challenge of computer graphics image quality assessment (CGIQA). Most image quality assessment (IQA) metrics are developed for natural scene images (NSIs) and validated on databases consisting of NSIs with synthetic distortions, which are not suitable for in-the-wild CGIs. To bridge the gap between evaluating the quality of NSIs and CGIs, we construct a large-scale in-the-wild CGIQA database consisting of 6,000 CGIs (CGIQA-6k) and carry out the subjective experiment in a well-controlled laboratory environment to obtain the accurate perceptual ratings of the CGIs. Then, we propose an effective deep learning-based no-reference (NR) IQA model by utilizing both distortion and aesthetic quality representation. Experimental results show that the proposed method outperforms all other state-of-the-art NR IQA methods on the constructed CGIQA-6k database and other CGIQA-related databases. The database will be released to facilitate further research.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google