Core Concepts
画像品質評価のためには、画像の因果知覚表現(CPR)と非因果知覚表現(N-CPR)を区別し、CPRのみに着目することが重要である。
Abstract
本論文では、画像品質評価(IQA)のための信頼できるモデルを構築するために、因果知覚表現学習(CPRL)を提案している。
具体的には、各画像は因果知覚表現(CPR)と非因果知覚表現(N-CPR)から構成されると仮定する。CPRは画像品質ラベルの因果関係を表し、非対称的な攻撃に対して頑健である。一方、N-CPRは画質ラベルとの偶発的な相関を表し、攻撃に弱い。
CPRL では、チャンネル単位のソフトランキングベースの活性化関数を用いて、CPRを抽出する。さらに、必要性と十分性の確率(PNS)リスクを最適化することで、CPRが予測精度と頑健性の両方に寄与するようにする。
実験結果から、提案手法は既存の防御手法よりも優れた性能を示すことが分かった。特に、わずかな攻撃に対しても頑健であり、かつ自然画像に対する精度も高いことが確認された。
Stats
画像品質評価モデルは、わずかな摂動によって大幅な誤差を生む可能性がある。
従来の防御手法は受動的な免疫であり、動的な攻撃に適応できない。
画像の因果知覚表現(CPR)と非因果知覚表現(N-CPR)を区別することで、頑健性と精度の両立が可能となる。
Quotes
"画像品質評価のためには、画像の因果知覚表現(CPR)と非因果知覚表現(N-CPR)を区別し、CPRのみに着目することが重要である。"
"CPRL では、チャンネル単位のソフトランキングベースの活性化関数を用いて、CPRを抽出する。さらに、必要性と十分性の確率(PNS)リスクを最適化することで、CPRが予測精度と頑健性の両方に寄与するようにする。"