文献

J-GLOBAL ID：201902250477133004   整理番号：19A0512309

局所的特徴集約によるブラインドディープS3D画像品質評価【JST・京大機械翻訳】

Blind Deep S3D Image Quality Evaluation via Local to Global Feature Aggregation

著者 (4件)： Oh Heeseok (Department of Electrical and Electronic Engineering, Yonsei University, Seoul, South Korea) ,  Ahn Sewoong (Department of Electrical and Electronic Engineering, Yonsei University, Seoul, South Korea) ,  Kim Jongyoo (Department of Electrical and Electronic Engineering, Yonsei University, Seoul, South Korea) ,  Lee Sanghoon (Department of Electrical and Electronic Engineering, Yonsei University, Seoul, South Korea)
資料名： IEEE Transactions on Image Processing  (IEEE Transactions on Image Processing)
巻： 26  号： 10  ページ： 4923-4936  発行年： 2017年 
JST資料番号： W0364A  ISSN： 1057-7149  CODEN： IIPRE4  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： これまでに,非参照(NR)立体3D(S3D)画像品質評価(IQA)アルゴリズムは,不十分に明らかにされた人間の視覚システムまたは自然シーン統計の理解に基づいて,信頼できるハンドクレーティング特徴の抽出に限られている。さらに,フル参照(FR)S3D IQAメトリックスと比較して,抽出された特徴を用いて競争的品質スコア予測を達成することは困難であり,それは人間の意見に関して最適化されない。従来のアプローチのこの限界に対処するために,局所的な特徴集約に関するNR S3D IQAのための新しい深い学習方式を導入した。深い畳込みニューラルネットワーク(CNN)モデルを,二段階回帰を通して教師つき方法で訓練した。最初に,訓練データの欠如を克服するために,局所パッチベースのCNNをモデル化し,FR S3D IQAメトリックを用いて,CNNsを訓練するための参照グランドトルースを近似した。自動的に抽出された局所抽象化は,深い構造に凝集層を挿入することによってグローバルな特徴に集約される。次に,局所的に訓練されたモデルパラメータを,教師つきグローバルラベリング,すなわち主観的平均意見スコア(MOS)を用いて反復的に更新した。特に,提案した深いNR S3D画像品質評価器は,一対のS3D画像から深さを推定しない。提案方法によって予測されたS3D画像品質スコアは,以前のNR S3D IQAアルゴリズムのものより著しい改善を表す。実際に,提案した方法の精度は,FR S3D IQA計量と競合し,MOSに関して~91%の相関を持っている。Copyright 2019 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  学習 ,  モデリング ,  *品質 ,  *三次元 ,  予測 ,  アルゴリズム ,  *集中化 ,  *画質
準シソーラス用語： *三次元画像 ,  グランドトゥルース ,  ホップ数 ,  スコア ,  メトリックス ,  *品質評価 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (2件)： 集約 ,  品質評価