Nghiên cứu
FoMo: Phương pháp đánh giá khoảng cách tri giác trong ảnh tạo sinh không cần con người
(giờ Việt Nam)
Tóm tắt AI
Nghiên cứu giới thiệu FoMo, quy trình tự động tạo nhãn khoảng cách tri giác giữa các cặp ảnh mà không cần dữ liệu gắn nhãn thủ công, giúp giải quyết vấn đề chi phí và độ nhiễu trong các phương pháp đánh giá chất lượng ảnh truyền thống.
Chính văn · Bản dịch AI
Tóm tắt: Các chỉ số đánh giá chất lượng hình ảnh (IQA) dựa trên tham chiếu nhằm phản ánh cách con người cảm nhận khoảng cách tri giác giữa một cặp hình ảnh. Để tìm hiểu cách hệ thống thị giác con người (HVS) hoạt động, các chỉ số IQA dựa trên tham chiếu gần đây phụ thuộc rất nhiều vào dữ liệu do con người chú giải. Việc chấm điểm theo điểm số trung bình (MOS) - gán một giá trị chất lượng vô hướng cho mỗi hình ảnh - tuy ưu việt cho việc chú giải nhưng lại cực kỳ tốn kém để thu thập trên quy mô lớn và thường bị nhiễu do các đánh giá không nhất quán từ con người. Thay vào đó, các nhãn cặp lựa chọn bắt buộc hai phương án (2AFC) đã trở nên phổ biến nhờ độ tin cậy và hiệu quả, nhưng chúng chỉ nắm bắt được các so sánh tương đối giữa các cặp. Trong bài báo này, chúng tôi đề xuất một quy trình tạo dữ liệu hoàn toàn tự động, tạo ra các nhãn khoảng cách tri giác theo điểm cho các cặp hình ảnh mà không cần bất kỳ sự chú giải nào từ con người. Phương pháp của chúng tôi khai thác động lực học tạo sinh của các mô hình khuếch tán (diffusion models) như một đại diện cho khoảng cách tri giác, trong đó cấu trúc thô của hình ảnh được tạo ra ở các bước thời gian đầu và các chi tiết tinh vi được tạo ra ở các bước sau. Những hình ảnh phân nhánh sớm trong quá trình tạo sinh chỉ chia sẻ cấu trúc thô và có khoảng cách tri giác xa nhau; những hình ảnh phân nhánh muộn chỉ khác biệt ở chi tiết tinh vi. Chúng tôi chứng minh rằng quỹ đạo khuếch tán tương thích tốt với hệ thống thị giác con người và sử dụng thời điểm phân nhánh này, gọi là FoMo, làm nhãn khoảng cách dựa trên tham chiếu để giám sát việc huấn luyện chỉ số IQA dựa trên tham chiếu. Các nhãn theo điểm này hỗ trợ so sánh phổ quát giữa các cặp hình ảnh bất kỳ, cho phép tạo ra mục tiêu huấn luyện giàu thông tin. Các thí nghiệm mở rộng trên nhiều kiến trúc backbone khác nhau xác nhận tính hiệu quả của quy trình tạo dữ liệu của chúng tôi, vượt trội hơn các tập dữ liệu do con người chú giải trong nhiều tiêu chuẩn đánh giá.
| Chủ đề: | Thị giác máy tính và Nhận dạng mẫu (cs.CV) |
| Trích dẫn là: | arXiv:2609.25716 [cs.CV] |
| (hoặc arXiv:2609.25716v1 [cs.CV] cho phiên bản này) | |
| https://doi.org/10.48550/arXiv.2609.25716 DOI do arXiv cấp thông qua DataCite (đang chờ đăng ký) |
Lịch sử gửi bài
Từ: Jaihyun Lew [xem email] [v1] Thứ Ba, 22 tháng 9 năm 2026 05:44:57 UTC (24.803 KB)
Bài viết được AI dịch và tổng hợp tự động từ Hugging Face Daily Papers. Liên kết bài gốc ở phía trên. AIHOT.vn luôn dẫn nguồn đầy đủ — nếu bạn thấy điểm cần chỉnh sửa, hãy gửi ý kiến tại trang phản hồi.