セミナー 印刷

AI画像処理・画像生成技術のための画像品質評価

~PSNR・SSIMからDeep Learning IQA、生成AI画像評価まで~

受講可能な形式:【ライブ配信】のみ

画像品質評価の基礎から最新研究動向までを体系的に解説
実際の画像処理・AIシステム開発において適切な評価技術を選択・活用できる知識

画像品質評価の基本概念、主観評価と客観評価の違い、PSNR・SSIMなど代表的評価指標
No-Reference IQA技術、Deep Learningを用いたIQA、生成AI画像評価技術、医療画像AI評価技術
Explainable AIと品質評価の考え方、最新研究動向と今後の展望
日時 【ライブ配信】 2026年9月30日(水)  10:00~16:00
受講料(税込)
各種割引特典
定価:本体50,000円+税5,000円
E-Mail案内登録なら、2名同時申込みで1名分無料 1名分無料適用条件
2名で55,000円(2名ともE-Mail案内登録必須​/1名あたり定価半額の27,500円)
3名で82,500円(2名ともE-Mail案内登録必須​/1名あたり定価半額の27,500円)

テレワーク応援キャンペーン(1名受講)【オンライン配信セミナー受講限定】

1名申込み: 受講料 44,000円(E-Mail案内登録価格 42,020円 )
 定価:本体40,000円+税4,000円
 E-Mail案内登録価格:本体38,200円+税3,820円
  ※1名様でオンライン配信セミナーを受講する場合、上記特別価格になります。
  ※お申込みフォームで【テレワーク応援キャンペーン】を選択のうえお申込みください。
  ※他の割引は併用できません。
配布資料製本資料(開催日の4、5日前に発送予定)
※開催まで4営業日~前日にお申込みの場合、セミナー資料の到着が、
 開講日に間に合わない可能性がありますこと、ご了承下さい。
オンライン配信ライブ配信(Zoom) ►受講方法・接続確認申込み前に必ずご確認ください
備考※講義中の録音・撮影はご遠慮ください。
※開催日の概ね1週間前を目安に、最少催行人数に達していない場合、セミナーを中止することがございます。
得られる知識・画像品質評価の基本概念
・主観評価と客観評価の違い
・PSNR・SSIMなど代表的評価指標
・No-Reference IQA技術
・Deep Learningを用いたIQA
・生成AI画像評価技術
・医療画像AI評価技術
・Explainable AIと品質評価の考え方
・最新研究動向と今後の展望
対象主に
・画像処理技術者
・AI開発技術者
・外観検査システム開発者
・カメラ・映像機器開発者
・医療画像システム開発者
・品質保証担当者
・研究開発部門担当者

セミナー講師

埼玉大学 大学院理工学研究科 数理電子情報部門
/ 工学部 情報工学科 教授 博士(工学) 島村 徹也 氏
【講師紹介】

セミナー趣旨

 画像処理アルゴリズムや画像生成AIの発展に伴い、画像品質を客観的に評価する技術の重要性が急速に高まっている。従来のPSNRやSSIMなどの評価指標に加え、近年では人間の視覚特性を考慮したNo-Reference Image Quality Assessment(NR-IQA)やDeep Learningを用いた画像品質評価技術が広く利用されるようになった。さらにDiffusion ModelやGANによる生成画像の品質評価、医療画像AIの性能評価など、新たな課題も生じている。
 本講座では画像品質評価の基礎から最新研究動向までを体系的に解説し、実際の画像処理・AIシステム開発において適切な評価技術を選択・活用できる知識を習得する。

セミナー講演内容

第1部 画像品質評価の基礎
 1.1 なぜ画像品質評価が必要なのか
  ・画像処理システム開発の流れ
  ・AI画像処理の普及
  ・評価技術の重要性
 1.2 人間は画質をどう判断しているか
  ・Human Visual System
  ・知覚品質
  ・主観品質
 1.3 主観評価法
  ・MOS
  ・DMOS
  ・評価実験の設計法
  ・評価データベース

第2部 従来型画像品質評価指標
 2.1 Full Reference IQA
  ・MSE
  ・RMSE
  ・PSNR
 2.2 構造類似性評価
  ・SSIM
  ・MS-SSIM
  ・IW-SSIM
 2.3 特徴量ベース評価
  ・FSIM
  ・VIF
  ・GMSD
 2.4 指標の長所と限界
  ・なぜPSNRだけでは不十分なのか
  ・実例比較

第3部 No-Reference Image Quality Assessment
 3.1 NR-IQAとは
  ・参照画像不要評価
 3.2 自然画像統計
  ・NSSモデル
  ・MSCN係数
 3.3 代表的手法
  ・BRISQUE
  ・NIQE
  ・PIQE
 3.4 実利用事例
  ・カメラ画質評価
  ・通信画像品質評価

第4部 Deep Learningによる画像品質評価
 4.1 IQAとDeep Learning
 4.2 CNNベースIQA
  ・DeepIQA
  ・NIMA
 4.3 TransformerベースIQA
 4.4 学習用データベース
  ・LIVE
  ・CSIQ
  ・TID2013
  ・KonIQ-10k
  ・PIPAL
 4.5 最新研究動向
  ・Foundation Model活用
  ・Multimodal IQA

第5部 生成AI画像の品質評価
 5.1 Diffusion Modelの発展
 5.2 GANとDiffusion
 5.3 従来IQAでは何が評価できないのか
 5.4 生成画像評価指標
  ・FID
  ・IS
  ・CLIP Score
  ・PickScore
 5.5 AI生成画像特有の問題
  ・Hallucination
  ・不自然構造
  ・偽物画像

第6部 最新トピックと今後の展望
 6.1 医療画像AI評価
  ・Explainability
  ・信頼性評価
 6.2 大規模視覚言語モデルと品質評価
 6.3 Explainable IQA
 6.4 研究室内での研究事例
  ・歪み分類
  ・Reliability-Aware Distortion Classification
  ・Explainable Quality Assessment
 6.5 今後の研究テーマ
  ・Foundation ModelによるIQ 
  ・Diffusion画像品質評価
  ・医療AI品質保証
  ・マルチモーダル品質評価

質疑応答