VOLF, P. Metriky pro měření kvality obrazu [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2025.
Celkově považuji předloženou práci za velmi zdařilou. Student velmi pečlivě implementoval pět metod pro hodnocení kvality obrazu na GPU. Vytvořená knihovna metod může být dále rozšiřována o další více pokročilé metody. Za zdařilý považuji i detailní popis a vyhodnocení implementace metod.
| Kritérium | Známka | Body | Slovní hodnocení |
|---|---|---|---|
| Informace k zadání | Zadání této diplomové práce, které považuji za průměrně obtížné, vychází z výzkumných aktivit skupiny CPhoto@FIT. Cílem bylo efektivně implementovat existující metody pro měření kvality obrazu (IQM) s využitím grafického procesoru (GPU). K většině zvolených metod byla k dispozici referenční implementace. Student velice pečlivě naimplementoval a porovnal pět metod IQM na GPU od velmi jednoduchých po mírně složitější. S výsledky práce jsem spokojen. | ||
| Práce s literaturou | Student pracoval s literaturou dodanou vedoucím práce a sám si aktivně dohledával další potřebné zdroje. | ||
| Aktivita během řešení, konzultace, komunikace | Student dodržoval dohodnuté termíny, řešení průběžně kontroloval a na konzultace docházel připraven. | ||
| Aktivita při dokončování | Práce byla průběžně konzultována s vedoucím práce, student pracoval velice samostatně a dohodnutá hlášení o postupu prací dodržoval. | ||
| Publikační činnost, ocenění | Implementační část práce je veřejně publikována formou open-source na platformě github: https://github.com/cadik/IQM Podle mého názoru by bylo velmi vhodné práci prezentovat odborné veřejnosti na některé studentské konferenci. |
Práce se zabývá implementací pěti metrik kvality obrazu. Textová část nejdříve analyzuje problematiku lidského vizuálního systému a metrik kvality obrazu. Následně se zabývá zvolenými metrikami, které jsou zde popsány nad rozsah původních vědeckých článků. Dále jsou analyzovány přístupy akcelerace výpočtů na GPU s jejichž pomocí jsou metriky implementovány a začleněny do společné experimentální aplikace. Tyto metriky jsou následně důmyslně optimalizovány a akcelerovány na GPU. Efektivita implementace je následně potvrzena zevrubným testováním a analýzou běhu programu. Kromě výpočetní složitosti autor rozebírá také jednotlivé výpočetní bloky algoritmů a jak jejich akcelerace pomáhá zrychlení výpočtu. Verifikace je provedena vůči referenční implementaci v MATLAB, oproti které jsou rozdíly pouze marginální. Formou ověření je také experiment ve formě srovnání čtyř kompresních formátů, který ukazuje užitečnost metrik. Přes drobnější problémy s jazykovou a formální stránkou textu je technická zpráva je velmi kvalitní, čemuž napomáhají vhodně umístěné a informačně hodnotné obrázky a diagramy. Oceňuji také hlubokou analýzu algoritmů a jejich zevrubnou optimalizaci. Z výše zmíněných důvodů navrhuji práci hodnotit stupněm Výborně (A).
| Kritérium | Známka | Body | Slovní hodnocení |
|---|---|---|---|
| Náročnost zadání | Zadání považuji za průměrně obtížné. | ||
| Rozsah splnění požadavků zadání | Zadání práce je splněno ve všech bodech. Namísto tří požadovaných metod bylo implementováno metod pět. | ||
| Rozsah technické zprávy | Rozsah práce je v požadovaném rozsahu. Technická zpráva obsahuje vše nutné pro pochopení cílů práce. | ||
| Prezentační úroveň technické zprávy | 90 | Prezentační úroveň technické zprávy je na velmi dobré úrovni. Text je vhodně členěn do kapitol. Nejdříve práce shrnuje problematiku metrik kvality obrazu. Následně uvádí přehled zvolených technik, které vhodným způsobem popisuje na základě původních zdrojů. Dále jsou shrnuty přístupy ke GPU akceleraci. Následuje popis návrhu a implementace experimentální aplikace a pěti zvolených metod. Poslední část práce se zabývá zevrubným testováním výsledné implementace z pohledu paměťové a výpočetní náročnosti, jakož i verifikace výsledků oproti referenční implementaci. Horší kvality je pouze abstrakt práce, který by mohl být poněkud popisnější - chybí konkrétní metody, forma akcelerace, a výsledky. Kromě vysoké úrovně pochopitelnosti textu oceňuji také kvalitní obrázky, diagramy a grafy, které pochopení usnadňují. | |
| Formální úprava technické zprávy | 80 | Z typografického hlediska je zpráva bez větších nedostatků. V případě některých obrázků by bylo vhodnější zvolit typ tabulka (např. Obr. 3.17, str. 20) nebo kód (např. Obr. 5.4, str. 30). Z jazykové stránky je kvalita textu snižována několika drobnějšími problémy. Style jazyka je místy méně formální, např. "ani nemusí všimnout" / "spousta metrik" (str. 2). V textu se také místy objevují zvláštní tvary některých slov, např. "vyfiltrování" (str. 14) nebo "prozkoušeno" (str. 22). Některé části obsahují také nespisovné formy nebo gramatické chyby, např. "ve aktivním vývoji" (str. 24), "V první fází" (str. 28), "jsou zase výsledky" (str. 48). V neposlední řadě jde o nevysvětlenou zkratku CSF na str. 15, která pravděpodobně značí Contrast Sensitivity Function, ale není uvedena v souvislosti se zkratkou. | |
| Práce s literaturou | 80 | Práce je založena na podstatném množství původních zdrojů, jejichž kvalita je relativně vysoká. Největší problém z pohledu citací jsou chybějící citace u některých pojmů a termínů - např. "PSNR" (str. 6), "CUDA" (str. 22), "HIP" (str. 22), nebo "Rec.601" (str. 28). Zároveň bych u některých informací očekával jejich zdroj. Konkrétně například diagram lidského vizuálního systému (Obr. 2.1, str. 3), funkce citlivosti na kontrast (Obr. 2.3, str. 4), nebo fotografie hradu (Obr. A.1, str. 53). Celkově je ale citační etika z mého pohledu v pořádku a všechny převzaté prvky jsou vhodně odlišeny. | |
| Realizační výstup | 95 | Hlavním realizačním výstupem práce je implementace pěti metrik kvality obrazu, včetně jejich akcelerace na GPU. Konkrétně jde o metriky: SSIM, FSIM, FLIP, PSNR, a LPIPS. Implementace byla provedena na základě původních článků. Kromě samotné implementace byly všechny metriky důmyslně optimalizovány pro běh na GPU. Všechny metriky byly začleněny do experimentální aplikace, která umožňuje jejich spouštění a testování. Efektivní implementaci potvrzují experimenty na dvou výpočetních systémech. Běh metrik na GPU je navíc analyzován z pohledu funkčních bloků, kde autor zevrubně vysvětluje které části implementace byly výkonnostně podstatné. Verifikace implementace je provedena vůči referenční implementaci v MATLAB, oproti které jsou rozdíly pouze marginální - a i ty jsou autorem důkladně vysvětleny. Poslední formou experimentu bylo srovnání čtyř kompresních formátů, které ukazuje užitečnost implementovaných metrik. V míře, kterou dokáži posoudit, jsou všechny materiály využity v souladu s licenčními podmínkami a autorským právem. | |
| Využitelnost výsledků | Obsahem práce je implementace pěti metrik kvality obrazu z výzkumných článků a jejich akcelerace na GPU. Využitelnost těchto výsledků je dvojí: 1) Metody lze přímo použít, díky knihovně kterou autor dává volně k dispozici, 2) Experimentální aplikace umožňuje jednoduché srovnání zvolených metrik a případně sloužit jako rámec pro implementaci dalších metrik. |
eVSKP id 158870