MétaCan
Menu
Retour à la cohorte
Enregistrement W2799900362

Towards a Perceptual Image Quality Assessment Framework for Color Data

2017· dissertation· en· W2799900362 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.

fundUn bailleur canadien est enregistré sur le travail.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueTSpace (University of Toronto) · 2017
Typedissertation
Langueen
DomainePhysics and Astronomy
ThématiqueColor Science and Applications
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of Toronto
Mots-clésPerceptionImage qualityArtificial intelligenceComputer scienceComputer visionQuality (philosophy)Image (mathematics)PsychologyNeuroscienceEpistemology
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Quality assessment of image data plays a vital role in various applications, e.g., the evaluation and optimization of visual processing algorithms and the monitoring of visual communication systems. Although subjective assessment is the most reliable means to measure image quality, it is not always feasible in practical applications. Therefore, objective image quality metrics (IQMs) that can accurately predict the subjective judgments of average human observers have gained considerable attentions from research community. In the past few decades, numerous IQMs have been proposed to estimate the perceived quality of visual data. Depending on the availability of a reference (i.e., perfect quality) image to compare with, they can be categorized into full-reference (FR) and no-reference (NR) IQMs. Most existing IQMs are designed to rely on image features in the grayscale domain. Despite their reasonable performance in dealing with traditional distortions (e.g. additive white Gaussian noise or Gaussian blur), such grayscale IQMs tend to underestimate the visual disturbance caused by chromatic distortions, e.g., degradation caused from color gamut mapping or tone mapping algorithms.\nThis study proposes new color IQMs capable of handling image data exhibiting both chromatic and achromatic distortions by incorporating perceptual color attributes, e.g., hue and chroma. Both FR and NR IQMs are introduced for different target applications. In particular, the proposed solutions properly process directional hue data using directional statistical tools, addressing the general limitation of existing approaches that treating hue data as linear data. Extensive validation performed on large-scale databases demonstrates the proposed IQMs correlate well with the subjective ratings over commonly encountered chromatic and achromatic distortions, indicating that the appropriate handling of highly informative hue data improves the prediction accuracy of color IQMs. These promising results indicate that they can be deployed on a wide range of color image processing problems as generalized quality assessment solutions.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,688
Score d'incertitude au seuil0,987

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0020,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0140,000

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 Opus0,064
Tête enseignante GPT0,400
Écart entre enseignants0,336 · 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