Consiglio Nazionale delle Ricerche

Tipo di prodottoArticolo in rivista
TitoloEfficient Evaluation of Image Quality via Deep-Learning Approximation of Perceptual Metrics
Anno di pubblicazione2019
FormatoElettronico
Autore/iArtusi A.; Banterle F.; Moreo A.; Carrara F.
Affiliazioni autoriRise Ltd, Nicosia, Cyprus; CNR-ISTI, Pisa, Italy; CNR-ISTI, Pisa, Italy; CNR-ISTI, Pisa, Italy
Autori CNR e affiliazioni
  • FABIO CARRARA
  • FRANCESCO BANTERLE
  • ALEJANDRO DAVID MOREO FERNANDEZ
Lingua/e
  • inglese
AbstractImage metrics based on Human Visual System (HVS) play a remarkable role in the evaluation of complex image processing algorithms. However, mimicking the HVS is known to be complex and computationally expensive (both in terms of time and memory), and its usage is thus limited to a few applications and to small input data. All of this makes such metrics not fully attractive in real-world scenarios. To address these issues, we propose Deep Image Quality Metric ( DIQM ), a deep-learning approach to learn the global image quality feature ( mean-opinion-score ). DIQM can emulate existing visual metrics efficiently, reducing the computational costs by more than an order of magnitude with respect to existing implementations.
Lingua abstractinglese
Altro abstract-
Lingua altro abstract-
Pagine da1843
Pagine a1855
Pagine totali13
RivistaIEEE transactions on image processing (Online)
Attiva dal 1992
Editore: Institute of Electrical and Electronics Engineers, - New York, NY
Paese di pubblicazione: Stati Uniti d'America
Lingua: inglese
ISSN: 1941-0042
Titolo chiave: IEEE transactions on image processing (Online)
Titolo proprio: IEEE transactions on image processing (Online)
Titolo abbreviato: IEEE trans. image process. (Online)
Titolo alternativo: Image processing (Online)
Numero volume della rivista29
Fascicolo della rivista-
DOI10.1109/TIP.2019.2944079
Verificato da refereeSì: Internazionale
Stato della pubblicazionePublished version
Indicizzazione (in banche dati controllate)
  • ISI Web of Science (WOS) (Codice:000501324900014)
  • Scopus (Codice:2-s2.0-85077495872)
Parole chiaveConvolutional neural networks (CNNs), objective metrics, image evaluation, human visual system, JPEG-XT, and HDR imaging
Link (URL, URI)http://vcg.isti.cnr.it/Publications/2019/ABMC19/
Titolo parallelo-
Licenza-
Scadenza embargo-
Data di accettazione-
Note/Altre informazioniOnline first: 07/10/2019. Anno di pubblicazione print 2020.
Strutture CNR
  • ISTI — Istituto di scienza e tecnologie dell'informazione "Alessandro Faedo"
Moduli/Attività/Sottoprogetti CNR
  • DIT.AD011.056.001 : ENCORE - CIGNONI (VC) - ISTI
Progetti Europei
Allegati
Efficient Evaluation of Image Quality via Deep-Learning Approximation of Perceptual Metrics
Descrizione: post-print version
Tipo documento: application/pdf
Efficient Evaluation of Image Quality via Deep-Learning Approximation of Perceptual Metrics (documento privato )
Descrizione: Published version
Tipo documento: application/pdf