Video Experimental Relacionado
Updated: Jan 18, 2026
Detection of Architectural Distortion in Prior Mammograms via Analysis of Oriented Patterns
Published on: August 30, 2013
RAID-Dataset: respuestas humanas a distorsiones de imágenes afines y ruido gaussiano
Paula Daudén-Oliver1, David Agost-Beltran2,3, Emilio Sansano-Sansano2,3
1Universitat de València, Image Processing Laboratory, València, 46980, Spain. paula.dauden@uv.es.
Este estudio presenta un nuevo conjunto de datos de respuestas humanas a distorsiones de imágenes como transformaciones afines y ruido gaussiano. Este conjunto de datos, recopilado utilizando Maximum Likelihood Difference Scaling (MLDS), ofrece una medida más precisa de la calidad perceptual de la imagen que los métodos tradicionales.
Área de la Ciencia:
- Visión por computadora; Interacción humano-computadora; Psicofísica
Sus antecedentes:
- Los conjuntos de datos de calidad de imagen existentes a menudo carecen de distorsiones naturalistas.; Las transformaciones afines se encuentran con frecuencia en las experiencias visuales cotidianas.; El desarrollo de modelos robustos para la percepción humana subjetiva requiere conjuntos de datos diversos.
Objetivo del estudio:
- Presentar un nuevo conjunto de datos de respuestas humanas a transformaciones afines supraliminares (rotación, traslación, escalado) y ruido gaussiano.; Proporcionar un punto de referencia para la evaluación de modelos de evaluación de la calidad de imagen.; Comparar la eficacia de Maximum Likelihood Difference Scaling (MLDS) con métodos convencionales.
Principales métodos:
- Se utilizó Maximum Likelihood Difference Scaling (MLDS), un método psicofísico, para recopilar respuestas humanas.; Se recopilaron datos de 210 observadores en 864 imágenes distorsionadas, lo que implicó más de 40.000 comparaciones cuádruples.; Se incluyeron transformaciones afines (rotación, traslación, escalado) y ruido gaussiano como distorsiones de imagen.
Principales resultados:
- El conjunto de datos reprodujo con éxito los umbrales de detección absoluta clásicos para distorsiones afines y gaussianas.; Las respuestas a la distorsión gaussiana se correlacionaron con las puntuaciones de opinión media (MOS) de bases de datos existentes.; Se observó la ley de Piéron en los tiempos de reacción, y las escalas MLDS resultaron ser más precisas que las MOS utilizando estímulos adversarios.
Conclusiones:
- El conjunto de datos presentado ofrece un recurso valioso para entrenar y evaluar modelos de calidad de imagen, particularmente para distorsiones naturalistas.; MLDS es un método más preciso para cuantificar la calidad perceptual de la imagen en comparación con el MOS tradicional.; Los hallazgos contribuyen a una mejor comprensión de la percepción visual humana en el contexto de la calidad de imagen.
