MétaCan
Menu
Retour à la cohorte
Enregistrement W2385803373

Metric of image quality based on structural similarity

2007· article· en· W2385803373 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueGuangdian gongcheng · 2007
Typearticle
Langueen
DomaineEngineering
ThématiqueInfrared Target Detection Methodologies
Établissements canadiensL'Alliance Boviteq
Organismes subventionnairesnon disponible
Mots-clésArtificial intelligenceImage qualitySet partitioning in hierarchical treesComputer scienceLuminanceImage (mathematics)Computer visionPattern recognition (psychology)Distortion (music)Feature detection (computer vision)Similarity (geometry)Image compressionSet (abstract data type)MathematicsImage processing
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

A new evaluation method of image quality based on its construction simulation is proposed to solve the limit of evaluation of perceptual distortion by analyzing the current characteristic of image quality evaluation method. Whole similarity obtained from luminance, contrast and image construction is the objective evaluation standard of image quality. The method fully considers the characteristic of structure information of image and vision of people, starts from the comprehension function of image context, and sets up the structure simulation computing model to evaluate the subjective perception to image quality. By theory deducing and algorithm validation, the evidences for selecting the image compressed algorithm and evaluating image quality are obtained. Reconstructed image after encoding by compression algorithm SPIHT (Set Partitioning in Hierarchical Trees) is compared with the traditional evaluation image based on Peak Signal-to-noise Ratio (PSNR), and experiment shows that the method proposed in the paper is a more effective evaluating method for image quality.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,209
Score d'incertitude au seuil0,741

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,040
Tête enseignante GPT0,325
Écart entre enseignants0,285 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle