arXiv:2104.12448

Improving precision of objective image/video quality metrics

Majid Behzadpour, Mohammad Ghanbari

제출 2021-04-26

원문 초록

Although subjective tests are most accurate image/video quality assessment tools, they are extremely time demanding. In the past two decades, a variety of objective tools, such as SSIM, IW-SSIM, SPSIM, FSIM, etc., have been devised, that well correlate with the subjective tests results. However, the main problem with these methods is that, they do not discriminate the measured quality well enough, especially at high quality range. In this article we show how the accuracy/precision of these Image Quality Assessment (IQA) meters can be increased by mapping them into a Logistic Function (LF). The precisions are tested over a variety of image/video databases. Our experimental tests indicate while the used high-quality images can be discriminated by 23% resolution on the MOS subjective scores, discrimination resolution by the widely used IQAs are only 2%, but their mapped IQAs to Logistic Function at this quality range can be improved to 9.4%. Moreover, their precision at low to mid quality range can also be improved. At this quality range, while the discrimination resolution of MOS of the tested images is 23.2%, those of raw IQAs is nearly 8.9%, but their adapted logistic functions can lead to 17.7%, very close to that of MOS. Moreover, with the used image databases the Pearson correlation of MOS with the logistic function can be improved by 2%-20.2% as well.

함께 살펴볼 논문

공통 태그를 근거로 연결했습니다. 실제 인용 관계나 논문의 우수성을 뜻하지 않습니다.

arXiv:2609.27959v1eess.IV공통 태그 SSIM, Image Quality Assessment

전참조 및 무참조 영상 품질 평가를 위한 보완적 구조 표현으로서의 지역 SVD-엔트로피 맵

Local SVD-Entropy Maps as a Complementary Structural Representation for Full-Reference and No-Reference Image Quality Assessment

우리는 2차원 영상 패치에서 직접 계산한 특이값의 섀넌 엔트로피에 기반한, 지각적 영상 품질 평가(IQA)를 위한 지역 스펙트럴 복잡도 표현을 연구한다. 각 $3\times3$ 픽셀 그레이스케일 패치에 대해 SVD를 직접 적용하고, 정규화된 특이값 엔트로피가 HSVD-맵 값 하나를 정의한다. 이 구성은 평탄화(flattening)나 지연 임베딩(delay embedding)을 필요로 하지 않으며, 경계 패딩(boundary padding)을 사용하지 않고, 지역 서술자 수준에서 $90^{\circ}$ 회전 및 거울 반사에 불변이다. Lena에 대한 중첩 salt-and-pepper 실험은 깨끗한 참조 영상에 대한 절대 유사도와 추가 열화 단계에 대한 민감도를 분리한다. HSVD-SSIM은 지역 손상에 더 강하게 반응하며, 심한 노이즈 수준에서 더 큰 이웃 상태(neighboring-state) 응답을 유지한다. 왜곡된 KADID-10k 영상 10,125장 전체에 대한 검증 결과, HSVD-SSIM은 단독 전참조(full-reference) 지표로는 기존 SSIM보다 약하다(SRCC $0.450$ vs. $0.619$), 그러나 결합하면 보완적이다: 그룹 교차 검증(grouped cross-validation)에서 SRCC가 $0.618$에서 $0.659$로 증가하며, 증가분에 대한 부트스트랩 95\% 신뢰구간은 $[0.036,0.046]$이다. 무참조(no-reference) 실험에서 HSVD 기반 단일 영상 서술자를 추가하면 최상의 비선형 모델의 SRCC가 $0.528$에서 $0.575$로 개선되고(95\% CI $[0.033,0.061]$), 이웃 왜곡 상태 간 품질 변화 예측도 개선된다. 이 결과는 직접적인 지역 SVD 엔트로피가 해석 가능한 구조 채널로서 기존 영상 도메인 유사도를 보완하고, 무손상 참조 없이도 유익한 정보를 제공함을 뒷받침한다.

arXiv:2601.21738v2cs.CV공통 태그 SSIM, Image Quality Assessment

전역에서 세분화로: 상관 표면을 통한 IQA 모델 성능 규명

From Global to Granular: Revealing IQA Model Performance via Correlation Surface

이미지 품질 평가(IQA) 모델의 평가는 피어슨 선형 상관 계수(PLCC)와 스피어만 순위 상관 계수(SRCC)와 같은 전역 상관 지표가 오랫동안 지배적으로 사용되어 왔다. 이러한 지표들은 널리 채택되고 있지만, 성능을 단일 스칼라 값으로 축약하여 순위 일관성이 지역적 품질 스펙트럼에 따라 어떻게 변화하는지를 포착하지 못한다. 예를 들어, 두 IQA 모델이 동일한 SRCC 값을 달성하더라도, 한 모델은 고품질 이미지(높은 평균 의견 점수(MOS)와 관련)의 순위를 더 신뢰성 있게 매기는 반면, 다른 모델은 작은 품질/MOS 차이를 가지는 이미지 쌍(|ΔMOS|와 관련)을 더 잘 구별할 수 있다. 이러한 상호 보완적인 특성은 전역 지표로는 드러나지 않는다. 더욱이, SRCC와 PLCC는 테스트 샘플의 품질 분포에 민감하여 테스트 세트 간 비교가 불안정해진다. 이러한 한계를 해결하기 위해, 본 논문은 IQA 성능에 대한 구조화된 세밀한 분석을 제공하는 세분화 변조 상관(GMC, Granularity-Modulated Correlation)을 제안한다. GMC는 다음을 포함한다: (1) 절대 MOS 값과 쌍별 MOS 차이(|ΔMOS|)를 조건으로 가우시안 가중 상관을 적용하여 지역적 성능 변화를 조사하는 세분화 조정기(Granularity Modulator), (2) 비균일 품질 분포로 인한 편향을 완화하기 위해 상관을 정규화하는 분포 조정기(Distribution Regulator). 결과로 얻어지는 상관 표면(correlation surface)은 MOS와 |ΔMOS|의 결합 함수로서 상관 값을 매핑하여 IQA 성능의 3D 표현을 제공한다. 표준 벤치마크에서의 실험을 통해 GMC는 스칼라 지표로는 보이지 않는 성능 특성을 드러내며, IQA 모델의 분석, 비교 및 배포를 위한 보다 풍부한 정보와 신뢰성을 갖춘 패러다임을 제공함을 보인다. 코드는 https://github.com/Dniaaa/GMC 에서 확인할 수 있다.

arXiv:2607.03494v1cs.CV공통 태그 SSIM, Image Quality Assessment

표준화된 라이트 필드 화질 평가를 향하여: 하이브리드 주관적 벤치마킹 및 객관적 메트릭 평가

Towards Standardized Light Field Quality Assessment: Hybrid Subjective Benchmarking and Objective Metric Evaluation

몰입형 미디어 코딩 솔루션의 벤치마킹, 특히 표준화 맥락에서는 신뢰할 수 있고 재현 가능한 주관적 화질 평가(QA) 절차와 함께 다양한 왜곡 유형에 걸쳐 정확성을 유지하는 객관적 화질 메트릭이 필요하다. 본 논문은 JPEG Pleno 표준화 활동의 맥락에서 개발 및 배포된 라이트 필드 QA를 위한 표준화된 워크플로우를 제시하며, 이는 벤치마크 생성, 하이브리드 주관적 평가, 객관적 메트릭 분석을 공통 워크플로우로 통합한다. 해당 벤치마크는 전통적인 코딩 전용 아티팩트뿐만 아니라 라이트 필드 인코딩이 뷰 합성 및 재구성 기법과 함께 수반되는 처리 파이프라인에서 발생하는 왜곡도 포괄하도록 설계되었다. 참조 기준 화질 평가와 지각적으로 모호한 영역에서의 목표 지향적 쌍별 정제를 결합함으로써 세밀한 평가를 가능하게 하는 하이브리드 주관적 방법이 제안된다. 주관적 점수의 신뢰성은 두 집단 관찰자 간의 통계적 일관성 분석을 통해 검증된다. 마지막으로, 대규모 객관적 메트릭 집합이 전역 예측 정확도, 모호한 화질 영역에서의 국소적 일치도, 왜곡 유형별 강건성 측면에서 체계적으로 평가된다. 결과에 따르면 여러 메트릭이 코딩 전용 자극에 대해 높은 일치도를 달성하지만, 뷰 합성 왜곡이 포함될 경우 성능이 일관되게 저하된다. 해당 분석은 또한 향후 라이트 필드 화질 메트릭 설계에서 뷰 풀링(pooling) 전략의 중요성을 강조한다. 본 연구는 세밀한 라이트 필드 QA를 위한 재현 가능하고 표준화 준비가 된 프레임워크를 제공하는 동시에, 새로운 코딩 파이프라인 하에서 현재 객관적 메트릭의 핵심 한계를 식별한다. 주관적으로 주석이 달린 데이터셋은 https://plenodb.jpeg.org/lfqa/objectivecfp 에서 공개적으로 이용 가능하다.

토론

이 논문과 연결된 포럼 글이 아직 없습니다.