| 講演名 | 2022-06-09 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), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 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． |
| 抄録(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 |
| キーワード(英) | Image denoising / deep learning / perceptual quality |
| 資料番号 | NLP2022-2,CCS2022-2 |
| 発行日 | 2022-06-02 (NLP, CCS) |
| 研究会情報 | |
| 研究会 | CCS / NLP |
|---|---|
| 開催期間 | 2022/6/9(から2日開催) |
| 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） | |
| 委員長氏名（和） | 赤井 恵(北大) / 常田 明夫(熊本大) |
| 委員長氏名（英） | Megumi Akai(Hokkaido Univ.) / Akio Tsuneda(Kumamoto Univ.) |
| 副委員長氏名（和） | 会田 雅樹(都立大) / 中野 秀洋(東京都市大) / 鳥飼 弘幸(法政大) |
| 副委員長氏名（英） | Masaki Aida(TMU) / Hidehiro Nakano(Tokyo City Univ.) / Hiroyuki Torikai(Hosei Univ.) |
| 幹事氏名（和） | 眞田 耕輔(三重大) / 宮田 純子(芝浦工大) / 吉岡 大三郎(崇城大) / 伊藤 大輔(岐阜大) |
| 幹事氏名（英） | Kosuke Sanada(TDK) / Sumiko Miyata(Shibaura Insti. of Tech.) / Daisaburo Yoshioka(Sojo Univ.) / Daisuke Ito(Gifu Univ.) |
| 幹事補佐氏名（和） | 佐々木 智志(湘南工科大学) / 安東 弘泰(筑波大) / 小林 幹(立正大学) / 安田 裕之(東京大学) / 横井 裕一(長崎大) / 山仲 芳和(宇都宮大) |
| 幹事補佐氏名（英） | Tomoyuki Sasaki(Shonan Instit. of Tech.) / Hiroyasu Ando(Tsukuba Univ.) / Miki Kobayashi(Rissho Univ.) / " Hiroyuki YASUDA(The Univ. of Tokyo) / Yuichi Yokoi(Nagasaki Univ.) / Yoshikazu Yamanaka(Utsunomiya Univ.) |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on Complex Communication Sciences / Technical Committee on Nonlinear Problems |
|---|---|
| 本文の言語 | JPN |
| 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（和） | |
| 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 |
| 第 1 著者 氏名（和/英） | 宮田 高道 / Takamichi Miyata |
| 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.) |
| 発表年月日 | 2022-06-09 |
| 資料番号 | NLP2022-2,CCS2022-2 |
| 巻番号（vol） | vol.122 |
| 号番号（no） | NLP-65,CCS-66 |
| ページ範囲 | pp.7-12(NLP), pp.7-12(CCS), |
| ページ数 | 6 |
| 発行日 | 2022-06-02 (NLP, CCS) |