要約: 従来の画像品質評価（IQA）指標は通常、2つの極端のいずれかに該当します。硬直した手作りの数学モデル、または完全に解釈性を欠くブラックボックス型の深層学習アーキテクチャ。
このギャップを埋めるべく、遺伝的プログラミングに基づく完全に説明可能な象徴回帰フレームワークである EvoIQA を提案します。EvoIQA は、画像品質評価（IQA）のための明示的で人間が読みやすい数学的式を進化させます。VSI、VIF、FSIM、HaarPSI 指標に由来する豊富な終端集合を活用し、私たちのフレームワークは構造的・色彩的・情報理論的な劣化を観測可能な数学的方程式へ本質的にマッピングします。私たちの結果は、進化した GP（遺伝的プログラミング）モデルが予測と人間の視覚的嗜好との間に強い一致を一貫して達成することを示しています。さらに、それらは従来の手作りメトリクスを上回るだけでなく、DB-CNN のような高度で最先端の深層学習モデルと同等の性能を達成し、解釈性を最先端の性能のために犠牲にする必要がないことを証明しています。
返却形式: {"translated": "翻訳されたHTML"}
