Low-Quality Image Detection by Hierarchical VAE

要約

従業員名簿、フォト アルバム、または生成モデルのトレーニング データセットを作成するには、低品質の画像を除外しながら高品質の画像を収集する必要があります。
この研究は、低品質画像の教師なし検出という新しいタスクに取り組みます。
我々は、階層変分オートエンコーダによる部分再構成が低品質画像に対して失敗するという観察に基づいて、さまざまなタイプの劣化を伴う低品質画像を検出するだけでなく、それらの視覚的な手がかりを提供する方法を提案します。
実験では、私たちの方法がいくつかの教師なし分布外検出方法よりも優れており、サムネイル表示でも人間が低品質画像を認識できるようにする視覚的な手がかりも提供することを示しています。

要約(オリジナル)

To make an employee roster, photo album, or training dataset of generative models, one needs to collect high-quality images while dismissing low-quality ones. This study addresses a new task of unsupervised detection of low-quality images. We propose a method that not only detects low-quality images with various types of degradation but also provides visual clues of them based on an observation that partial reconstruction by hierarchical variational autoencoders fails for low-quality images. The experiments show that our method outperforms several unsupervised out-of-distribution detection methods and also gives visual clues for low-quality images that help humans recognize them even in thumbnail view.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google