人工知能による画像の品質評価と製品開発への応用

画像の品質評価に関して、特に国内では、これまであまり注目されてこなかった感があります。それは、多くの人に評価値を求める主観評価には時間と手間がかかりすぎることと、PSNRなどの客観評価では、元画像がリファレンスとして必要であることなどが、主とした原因と考えられます。しかし、1枚の画像のみが与えられたとき、コンピュータがその画質の評価値を一瞬で、1000人分の (人の) 主観評価値と同じ値を出したらどうでしょうか?講師の研究グループが、このようなシステムを研究開発しました。 　本セミナーでは、このシステムのご紹介をします。大量の画像の中から、高品質な画像のみを自動抽出したり、画像の品質の順位付けを自動に行ったり、また、最近流行のフェイク (偽造) 画像を見分けたりすることができるようになります。加えて、これまでの客観評価法を説明し、複数の評価値を組み合わせる、最新の評価方法も紹介します。PSNRなどの客観評価はよく用いられますが、それが我々の主観評価と全く違う場合があることは、あまり認知されていないようです。我々の主観評価と客観評価の関連性を明らかにします。 　新しいシステムをご紹介するのと同時に、世の中に数多く利用される画像データに、画質の評価値が自動付与されたら、どのような利用価値があるか、参加者の方々と一緒に考える場になれば幸いです。

1. 画像の品質評価
   1. 主観評価
   2. 客観評価
2. 客観評価方法
   1. フルリファレンス型
   2. 部分リファレンス型
   3. ノンリファレンス型
3. フルリファレンス型
   1. PSNR
   2. SSIM
   3. 組み合わせ法
   4. その他
4. 部分リファレンス型
5. ノンリファレンス型
   1. 畳み込みニューラルネットワーク法
   2. 最近の方法
6. 応用例
   1. 高品質な画像のみを自動選択
   2. 画像品質の自動順位づけ
   3. フェイク画像の発見
   4. 車載などの動画へ利用
   5. その他各種
7. 今後の発展