講演抄録/キーワード |
講演名 |
2022-06-09 13:25
知覚品質評価法の重み付き和による画像ノイズ除去の学習法 ○宮田高道(千葉工大) NLP2022-2 CCS2022-2 |
抄録 |
(和) |
深層学習を用いた既存のノイズ除去手法の多くは,知覚品質との相関が低いmean squared error(MSE) を損失関数として学習しているため,出力画像が過度に平滑化され知覚品質が低いという課題があった.一方で,深 層学習を用いて画像の知覚品質を推定するimage quality assessment(IQA)を単体でノイズ除去手法の損失関数と して用いた場合には,信号品質が大幅に低下するだけでなく,知覚品質も大きくは向上しないことが明らかとなって いる.これは,それぞれのIQA において,当該IQA を誤動作させるような(IQA ごとに異なる)特別な画像が存在 することに起因すると考えられる.そこで本研究では,前述の問題を回避し,ノイズ除去画像の知覚品質を向上させ るため,IQA に他のIQA もしくはMSE を組み合わせた損失関数を用いてノイズ除去手法の学習を行う手法を提案す る.提案手法の有効性を確認するため,提案手法と比較手法のノイズ除去性能を定性的および定量的に比較した.そ の結果,提案手法では従来手法で問題になっていた画像内の過度な平滑化を低減し,テクスチャを強く付加すること で知覚品質が向上することが確認された. |
(英) |
Existing deep learning-based denoising methods employ mean squared error (MSE) as a loss function. As a result, the output image is excessively smoothed and has low perceptual quality. On the other hand, image quality assessment (IQA), which uses deep learning to estimate the perceptual quality of images, has been proposed. However, existing studies have reported that when such IQA is used alone as a loss function in denoising methods, not only is the signal quality significantly degraded, but also the perceptual quality is not improved. This is most likely due to the presence of certain images in each IQA that cause the IQA in question to malfunction. To avoid the aforementioned problem and improve the perceptual quality of denoised images, we propose a method for learning denoising methods using a loss function that combines IQA with other IQA or MSE. To confirm the effectiveness of the proposed method, we qualitatively and quantitatively compared the denoising performance of the proposed method with that of comparative methods. The results show that the proposed method reduces excessive smoothing of the image and improves the perceived quality by strongly adding texture. |
キーワード |
(和) |
画像ノイズ除去 / 深層学習 / 知覚品質 / / / / / |
(英) |
Image denoising / deep learning / perceptual quality / / / / / |
文献情報 |
信学技報, vol. 122, no. 66, CCS2022-2, pp. 7-12, 2022年6月. |
資料番号 |
CCS2022-2 |
発行日 |
2022-06-02 (NLP, CCS) |
ISSN |
Online edition: ISSN 2432-6380 |
著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します.(許諾番号:10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) |
PDFダウンロード |
NLP2022-2 CCS2022-2 |
研究会情報 |
研究会 |
CCS NLP |
開催期間 |
2022-06-09 - 2022-06-10 |
開催地(和) |
大阪大学 豊中キャンパス シグマホール |
開催地(英) |
|
テーマ(和) |
一般 |
テーマ(英) |
|
講演論文情報の詳細 |
申込み研究会 |
CCS |
会議コード |
2022-06-CCS-NLP |
本文の言語 |
日本語 |
タイトル(和) |
知覚品質評価法の重み付き和による画像ノイズ除去の学習法 |
サブタイトル(和) |
|
タイトル(英) |
Learning Method for Image Denoising by Weighted Sum of Perceptual Quality Assessment Methods |
サブタイトル(英) |
|
キーワード(1)(和/英) |
画像ノイズ除去 / Image denoising |
キーワード(2)(和/英) |
深層学習 / deep learning |
キーワード(3)(和/英) |
知覚品質 / perceptual quality |
キーワード(4)(和/英) |
/ |
キーワード(5)(和/英) |
/ |
キーワード(6)(和/英) |
/ |
キーワード(7)(和/英) |
/ |
キーワード(8)(和/英) |
/ |
第1著者 氏名(和/英/ヨミ) |
宮田 高道 / Takamichi Miyata / ミヤタ タカミチ |
第1著者 所属(和/英) |
千葉工業大学 (略称: 千葉工大)
Chiba Institute of Technology (略称: Chiba Inst. Tech.) |
第2著者 氏名(和/英/ヨミ) |
/ / |
第2著者 所属(和/英) |
(略称: )
(略称: ) |
第3著者 氏名(和/英/ヨミ) |
/ / |
第3著者 所属(和/英) |
(略称: )
(略称: ) |
第4著者 氏名(和/英/ヨミ) |
/ / |
第4著者 所属(和/英) |
(略称: )
(略称: ) |
第5著者 氏名(和/英/ヨミ) |
/ / |
第5著者 所属(和/英) |
(略称: )
(略称: ) |
第6著者 氏名(和/英/ヨミ) |
/ / |
第6著者 所属(和/英) |
(略称: )
(略称: ) |
第7著者 氏名(和/英/ヨミ) |
/ / |
第7著者 所属(和/英) |
(略称: )
(略称: ) |
第8著者 氏名(和/英/ヨミ) |
/ / |
第8著者 所属(和/英) |
(略称: )
(略称: ) |
第9著者 氏名(和/英/ヨミ) |
/ / |
第9著者 所属(和/英) |
(略称: )
(略称: ) |
第10著者 氏名(和/英/ヨミ) |
/ / |
第10著者 所属(和/英) |
(略称: )
(略称: ) |
第11著者 氏名(和/英/ヨミ) |
/ / |
第11著者 所属(和/英) |
(略称: )
(略称: ) |
第12著者 氏名(和/英/ヨミ) |
/ / |
第12著者 所属(和/英) |
(略称: )
(略称: ) |
第13著者 氏名(和/英/ヨミ) |
/ / |
第13著者 所属(和/英) |
(略称: )
(略称: ) |
第14著者 氏名(和/英/ヨミ) |
/ / |
第14著者 所属(和/英) |
(略称: )
(略称: ) |
第15著者 氏名(和/英/ヨミ) |
/ / |
第15著者 所属(和/英) |
(略称: )
(略称: ) |
第16著者 氏名(和/英/ヨミ) |
/ / |
第16著者 所属(和/英) |
(略称: )
(略称: ) |
第17著者 氏名(和/英/ヨミ) |
/ / |
第17著者 所属(和/英) |
(略称: )
(略称: ) |
第18著者 氏名(和/英/ヨミ) |
/ / |
第18著者 所属(和/英) |
(略称: )
(略称: ) |
第19著者 氏名(和/英/ヨミ) |
/ / |
第19著者 所属(和/英) |
(略称: )
(略称: ) |
第20著者 氏名(和/英/ヨミ) |
/ / |
第20著者 所属(和/英) |
(略称: )
(略称: ) |
講演者 |
第1著者 |
発表日時 |
2022-06-09 13:25:00 |
発表時間 |
25分 |
申込先研究会 |
CCS |
資料番号 |
NLP2022-2, CCS2022-2 |
巻番号(vol) |
vol.122 |
号番号(no) |
no.65(NLP), no.66(CCS) |
ページ範囲 |
pp.7-12 |
ページ数 |
6 |
発行日 |
2022-06-02 (NLP, CCS) |
|