ConIQA: Eine Deep-Learning-Methode zur Beurteilung der wahrgenommenen Bildqualität mit begrenzten Daten – Scientific Reports

ConIQA: Eine Deep-Learning-Methode zur Beurteilung der wahrgenommenen Bildqualität mit begrenzten Daten – Scientific Reports

Der Einfluss von Virtual Reality auf das Gesundheitswesen wird in einer Überprüfung diskutiert. Es wird festgestellt, dass Virtual und Augmented Reality im Bereich der mentalen Gesundheitsbehandlung eingesetzt werden können. Neue Anwendungen von Virtual Reality im Bereich der höheren Bildung werden in einer systematischen Überprüfung untersucht, wobei Designelemente, Erfahrungen und Forschungsfragen diskutiert werden. Des Weiteren wird Virtual Reality in der Fertigungsindustrie betrachtet, insbesondere in Bezug auf die immersive Gestaltung von Mensch-Roboter-Arbeitsumgebungen.

Forschungen im Bereich der dynamischen computergenerierten Holografie für Virtual Reality-Displays werden vorgestellt. Ein weiterer Schwerpunkt liegt auf der Anwendung von Deep Learning für computergenerierte Holografie. Es wird auch auf die Bewertung der wahrgenommenen Qualität in holografischen Displays eingegangen, unter Verwendung von neuronalen Netzwerken für die halbüberwachte Qualitätsbewertung.

Weitere Studien untersuchen die Nutzung von Deep Learning für die Bildwiederherstellungsalgorithmen und die Bildqualitätsbewertung. Unterschiedliche Ansätze zur Bildqualitätsbewertung, darunter Vergleiche von Algorithmen wie SSIM, MSE und PSNR, sowie die Verwendung von neuronalen Netzwerken für die Bildqualitätsbewertung, werden diskutiert. Es wird auf die Bedeutung von Feature-Visualisierung für das Verständnis neuronaler Netzwerke eingegangen. Die Verwendung von Perzeptualverlusten für Echtzeitstiltransfer und Superauflösung sowie die Anwendung von Convolutional Neural Networks für die Bildqualitätsbewertung werden ebenfalls behandelt.