A funcionalidade de pesquisa está em construção.
A funcionalidade de pesquisa está em construção.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

Evaluating the Stability of Deep Image Quality Assessment with Respect to Image Scaling Avaliando a estabilidade da avaliação profunda da qualidade da imagem em relação ao dimensionamento da imagem

Koki TSUBOTA, Hiroaki AKUTSU, Kiyoharu AIZAWA

  • Exibições de texto completo

    0

  • Cite isto

Resumo:

A avaliação da qualidade da imagem (IQA) é uma métrica fundamental para tarefas de processamento de imagens (por exemplo, compressão). Com IQAs de referência completa, foram utilizados IQAs tradicionais, como PSNR e SSIM. Recentemente, também foram utilizados IQAs baseados em redes neurais profundas (Deep IQAs), como LPIPS e DISTS. Sabe-se que o dimensionamento da imagem é inconsistente entre IQAs profundos, pois alguns realizam redução de escala como pré-processamento, enquanto outros usam o tamanho original da imagem. Neste artigo, mostramos que a escala da imagem é um fator influente que afeta o desempenho do IQA profundo. Avaliamos de forma abrangente quatro IQAs profundos nos mesmos cinco conjuntos de dados, e os resultados experimentais mostram que a escala da imagem influencia significativamente o desempenho do IQA. Descobrimos que a escala de imagem mais apropriada muitas vezes não é o tamanho padrão nem o tamanho original, e a escolha difere dependendo dos métodos e conjuntos de dados usados. Visualizamos a estabilidade e descobrimos que o PieAPP é o mais estável entre os quatro IQAs profundos.

Publicação
IEICE TRANSACTIONS on Information Vol.E105-D No.10 pp.1829-1833
Data de publicação
2022/10/01
Publicitada
2022/07/25
ISSN online
1745-1361
DOI
10.1587/transinf.2022EDL8025
Tipo de Manuscrito
LETTER
Categoria
Processamento de imagem e processamento de vídeo

autores

Koki TSUBOTA
  The University of Tokyo
Hiroaki AKUTSU
  Hitachi, Ltd.
Kiyoharu AIZAWA
  The University of Tokyo

Palavra-chave