要約
最新の深層学習手法を用いて実世界の画像品質を予測する際の主要な課題は、既存の品質評価データセットが比較的小規模であることです。大規模なデータセットが不足している理由は、多様で公開可能なコンテンツを生成するために莫大なリソースが必要であるためです。本稿では、大規模かつ本物らしく多様な画像データセットを作成する新しい系統的かつ拡張可能な手法について紹介します。この手法を用いて、10,073枚の画像から構成される画像品質評価（IQA）データベース「KonIQ-10k」を構築し、1,467人のクラウドワーカー（120万件の評価）による大規模なクラウドソーシング実験を行って信頼性のある品質評価を得ました。当該データセットの生態的妥当性について、データセットの多様性を分析し、最先端のIQAデータベースと比較し、ユーザースタディの信頼性を確認することで主張します。