在计算机生成图像中对忠实度量化的全面探索
Alexandra Duminil1, Sio-Song Ieng1, Dominique Gruyer1
1Department of Components and Systems (COSYS)/Perceptions, Interactions, Behaviour and Simulations of Road and Street Users Laboratory (PICS-L)/Gustave Eiffel University, F-77454 Marne-la-Vallée, France.
Sensors (Basel, Switzerland)
|April 27, 2024
概括
这项研究引入了新的指标,以客观地衡量先进驾驶系统合成道路场景的现实性. 这些发现有助于提高在培训和验证中使用的计算机生成图像 (CGI) 的质量.
科学领域:
- 计算机视觉 计算机视觉
- 人工智能的人工智能
- 自动驾驶自动驾驶的自动驾驶
背景情况:
- 现实的道路场景生成对于培训和验证先进的驾驶系统至关重要.
- 评估合成数据真实性的现有方法通常是特定于应用程序的,缺乏全面的框架.
- 计算机生成图像 (CGI) 在客观和主观真实性评估方面存在挑战.
研究的目的:
- 提出一个全面的概念框架来量化虚拟RGB图像的真实性.
- 开发一套不同的指标来评估合成道路场景的现实性.
- 分析真实和合成道路数据集的统计特征,以深入了解感知到的现实主义.
主要方法:
- 分析局部和全球纹理视角和图像中的高频信息.
- 来自多个数据集的28000多张真实和合成道路场景图像的统计比较.
- 从嵌入式摄像机的角度进行评估,而不是人类的眼睛.
主要成果:
- 开发了一套新的客观指标来量化图像保真度.
- 透露了对纹理模式和高频组件的洞察,这些组件有助于现实主义感知.
- 开创性的客观得分被应用于真实,虚拟和改进的虚拟数据.
结论:
- 拟议的指标提供了一种全面的方法来量化CGI忠实度,超出了特定应用需求.
- 这项工作为提高合成道路场景数据集的现实性提供了宝贵的见解.
- 开发的客观得分是科学界在评估数据真实性的关键资产.


