Core Concepts
入力画像を外観と内容の特徴に分離することで、画質予測と例示ガイド型画像処理を同時に実現する。
Abstract
本論文は、入力画像を外観と内容の特徴に分離する新しい手法を提案している。この手法を用いて、2つの主要な画像処理タスクを同時に実現している。
画質予測: 提案手法で学習した外観特徴を用いて、参照画像との差異から画質を予測するモデル「DisQUE」を開発した。HDR動画と標準動画の品質予測で最先端の性能を示した。
例示ガイド型画像処理: 学習した外観特徴を用いて、入力画像の外観を例示画像の外観に合わせて変換する手法を提案した。特に、HDRトーンマッピングの例示ガイド型処理を実現し、色、コントラスト、明るさなどの外観特性を柔軟に制御できることを示した。
提案手法の鍵となるのは、入力画像の外観と内容を分離する「外観混合」手法である。これにより、外観特徴に含まれる入力画像固有の情報の影響を低減し、より正確な外観変換を実現できる。
全体として、本手法は画質予測と例示ガイド型画像処理を統一的に扱える強力なフレームワークを提供している。
Stats
HDR動画の品質予測では、提案手法DisQUEが最高のPCC 0.816、SROCC 0.822を達成した。
標準動画の品質予測でも、提案手法DisQUEがPCC 0.972、SROCC 0.970と最先端の性能を示した。
外観特徴の多スケール化と標準偏差プーリングにより、品質予測精度が大幅に向上した。
Quotes
"入力画像を外観と内容の特徴に分離することで、画質予測と例示ガイド型画像処理を同時に実現する。"
"提案手法の鍵となるのは、入力画像の外観と内容を分離する「外観混合」手法である。これにより、外観特徴に含まれる入力画像固有の情報の影響を低減し、より正確な外観変換を実現できる。"