Generalized Portrait Quality Assessment

要約

自動化された堅牢なポートレート品質評価 (PQA) は、スマートフォン写真などの影響の大きいアプリケーションにおいて最も重要です。
このペーパーでは、PQA への学習ベースのアプローチである FHIQA について説明します。FHIQA は、画像セマンティクスに基づいたシンプルだが効果的な品質スコア再スケーリング手法を導入し、トレーニング データセットを超えたさまざまなシーン設定への堅牢な一般化を確保しながら、きめの細かい画質メトリクスの精度を向上させます。
。
提案されたアプローチは、PIQ23 ベンチマークに関する広範な実験と現在の最先端技術との比較によって検証されています。
FHIQA のソース コードは、PIQ23 GitHub リポジトリ (https://github.com/DXOMARK-Research/PIQ2023) で公開されます。

要約(オリジナル)

Automated and robust portrait quality assessment (PQA) is of paramount importance in high-impact applications such as smartphone photography. This paper presents FHIQA, a learning-based approach to PQA that introduces a simple but effective quality score rescaling method based on image semantics, to enhance the precision of fine-grained image quality metrics while ensuring robust generalization to various scene settings beyond the training dataset. The proposed approach is validated by extensive experiments on the PIQ23 benchmark and comparisons with the current state of the art. The source code of FHIQA will be made publicly available on the PIQ23 GitHub repository at https://github.com/DXOMARK-Research/PIQ2023.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google