Disentangling the Link Between Image Statistics and Human Perception

要約

1950 年代、バーローとアトニーブは、生物学的視覚と情報の最大化との間に関連性があると仮説を立てました。
シャノンに従って、情報は自然画像の確率を使用して定義されました。
それ以来、多くの生理学的および精神物理学的現象が、情報最大化、効率的なコーディング、または最適なノイズ除去などの原理から派生してきました。
ただし、このリンクが画像の確率から数学的にどのように表現されるかは依然として不明です。
まず、古典的な導出には、確率モデルとセンサーの動作に関する強い仮定が適用されました。
さらに、古典的な画像モデルが確率の正確な推定値を提供できないため、仮説の直接評価は制限されました。
この研究では、自然画像の高度な生成モデルを使用して画像の確率を直接評価し、最先端の主観的な画質指標の感度を介して人間の知覚を予測するために確率関連の要素をどのように組み合わせることができるかを分析します。
情報理論と回帰分析を使用して、主観的な指標と 0.8 の相関関係を達成する 2 つの確率関連因子の組み合わせを見つけます。
この確率ベースの感度は、コントラスト感度関数の基本的な傾向、そのしきい値を超える変動、ウェーバーの法則とマスキングの傾向を再現することによって心理物理学的に検証されます。

要約(オリジナル)

In the 1950s, Barlow and Attneave hypothesised a link between biological vision and information maximisation. Following Shannon, information was defined using the probability of natural images. A number of physiological and psychophysical phenomena have been derived ever since from principles like info-max, efficient coding, or optimal denoising. However, it remains unclear how this link is expressed in mathematical terms from image probability. First, classical derivations were subjected to strong assumptions on the probability models and on the behaviour of the sensors. Moreover, the direct evaluation of the hypothesis was limited by the inability of the classical image models to deliver accurate estimates of the probability. In this work we directly evaluate image probabilities using an advanced generative model for natural images, and we analyse how probability-related factors can be combined to predict human perception via sensitivity of state-of-the-art subjective image quality metrics. We use information theory and regression analysis to find a combination of just two probability-related factors that achieves 0.8 correlation with subjective metrics. This probability-based sensitivity is psychophysically validated by reproducing the basic trends of the Contrast Sensitivity Function, its suprathreshold variation, and trends of the Weber-law and masking.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google