Training-Free No-Reference Image Quality Assessment Using a Content-Independent Graph Fourier Watermark

कल्पना कीजिए कि आप एक बहुमूल्य, नाजुक पेंटिंग को दुनिया के दूसरे छोर पर भेज रहे हैं। आप जानते हैं कि इसे झटके लगेंगे, शायद इस पर थोड़ी बारिश भी गिर जाए, या ट्रक किसी ऊबड़-खाबड़ रास्ते से गुजरे। जब यह अंततः आपके मित्र के घर पहुँचती है, तो आप जानना चाहते हैं: इसे कितना नुकसान पहुँचा है? आमतौर पर, इसका उत्तर देने के लिए, आपको प्राप्त पेंटिंग की तुलना उस मूल पेंटिंग से करने की आवश्यकता होगी जिसे आपने अपनी तिजोरी में रखा है। लेकिन क्या होगा यदि आपके पास मूल प्रति नहीं है? क्या होगा यदि मूल प्रति मील दूर एक सर्वर रूम में बंद है, या डिलीवरी कंपनी ने उस रिकॉर्ड को खो दिया है कि छोड़ने के समय वह कैसी दिखती थी? यह इंटरनेट पर चित्र भेजने वाले किसी भी व्यक्ति के लिए एक बड़ी समस्या है, जैसे कोई विश्वविद्यालय लेक्चर स्लाइड्स भेज रहा हो या कोई समाचार साइट फोटो पोस्ट कर रही हो। उन्हें यह जानने का एक तरीका चाहिए कि क्या चित्र अभी भी "पर्याप्त अच्छा" है, बिना उस वास्तविक संस्करण को दोबारा देखे।

इस समस्या को हल करने के लिए, वैज्ञानिकों ने "डिजिटल वॉटरमार्किंग" नामक एक चतुर तकनीक का उपयोग करने का प्रयास किया है। इसे पेंटिंग के भीतर एक बहुत ही सूक्ष्म, अदृश्य नोट डालने जैसा समझें जो पेंटिंग के साथ यात्रा करता है, उसी बारिश और झटकों का सामना करता है, और जब यह पहुँचता है, तो आप उस नोट की जाँच करते हैं। यदि नोट फटा हुआ या धुंधला है, तो आप जान जाते हैं कि पेंटिंग को भी शायद नुकसान पहुँचा है। चुनौती एक ऐसा नोट बनाने की है जो इतना सूक्ष्म हो कि वह चित्र को खराब न करे, लेकिन इतना मजबूत हो कि वह आपको सटीक रूप से बता सके कि कितना नुकसान हुआ है। यह शोध पत्र एक नए तरीके के बारे में है जिससे आप "ग्राफ फूरियर ट्रांसफॉर्म" नामक एक गणितीय उपकरण का उपयोग करके यह नोट लिखते हैं, जो एक विशेष लेंस की तरह है जो केवल रंगों के बजाय चित्र की संरचना को देखता है। लक्ष्य एक ऐसी प्रणाली बनाना है जो बिना किसी प्रशिक्षण डेटा या संदर्भ प्रति के, केवल अदृश्य नोट को पढ़कर, क्षतिग्रस्त चित्र की गुणवत्ता का सटीक अनुमान लगा सके।

अदृश्य नोट और जादुई जाली (The Invisible Note and the Magic Lattice)

इस अध्ययन के पीछे के शोधकर्ताओं ने एक सरल लेकिन कठिन प्रश्न पूछा: क्या हम एक ऐसी गुणवत्ता-जाँच प्रणाली बना सकते हैं जिसे हजारों उदाहरणों से "सीखने" की आवश्यकता न हो और जिसे हर एक चित्र के लिए अपनी रणनीति बदलने की आवश्यकता न हो? अधिकांश आधुनिक प्रणालियाँ उन छात्रों की तरह हैं जो पाठ्यपुस्तक से उत्तर रटते हैं; उन्हें यह सीखने के लिए "अच्छे" और "बुरे" चित्रों के एक विशाल पुस्तकालय की आवश्यकता होती है कि क्या देखना है। यह शोध पत्र एक ऐसी प्रणाली का प्रस्ताव करता है जो एक कुशल जासूस की तरह है जो कुछ अटूट नियमों को जानता है।

उनके विचार का मूल एक "निश्चित" मानचित्र है। कल्पना कीजिए कि आपके पास 64 छोटे टाइल्स का एक ग्रिड (8x8 ब्लॉक) है जो एक चित्र का हिस्सा बनाता है। आमतौर पर, इन टाइल्स का विश्लेषण करने के लिए, आप उनके भीतर के रंगों के आधार पर एक कस्टम मानचित्र बना सकते हैं। लेकिन लेखक ने एक ऐसे मानचित्र का उपयोग करने का निर्णय लिया जो कभी नहीं बदलता, चाहे चित्र कैसा भी हो। वे इसे ब्लॉक-ग्राफ फूरियर ट्रांसफॉर्म कहते हैं। यह एक एकल, कठोर कंकाल होने जैसा है जो हर चित्र में पूरी तरह फिट बैठता है। क्योंकि यह कंकाल केवल ग्रिड के आकार (ज्यामिति) पर आधारित है न कि चित्र की सामग्री पर, इसलिए चित्र भेजने वाला व्यक्ति और प्राप्त करने वाला व्यक्ति बिना एक-दूसरे से बात किए बिल्कुल एक ही कंकाल बना सकते हैं। कोई गुप्त कोड नहीं, कोई अतिरिक्त डेटा पैकेट नहीं—बस चित्र और साझा गणित।

बीज बोना (Planting the Seed)

यहाँ वे इस निश्चित मानचित्र का उपयोग कैसे करते हैं। चित्र भेजने से पहले, वे चित्र के मध्य-आवृत्ति (middle-frequency) वाले भागों में एक छोटा सा "बीज" (वॉटरमार्क) रोपते हैं। वे क्वांटाइजेशन इंडेक्स मॉड्यूलेशन नामक एक तकनीक का उपयोग करते हैं, जो एक फैंसी तरीका है यह कहने का कि वे संख्याओं को बस इतना थोड़ा सा बदलते हैं कि बिना किसी को पता चले एक गुप्त "0" या "1" को एनकोड किया जा सके।

उन्हें एक मधुर बिंदु मिला: एक एकल, वैश्विक "नज साइज" (क्वांटाइजेशन स्टेप ऑफ 6.0) जो उनके द्वारा परीक्षण किए गए प्रत्येक चित्र के लिए काम करता है। उन्हें बिल्ली की फोटो बनाम पहाड़ की फोटो के लिए इसे बदलने की आवश्यकता नहीं पड़ी। इस एकल सेटिंग ने वॉटरमार्क किए गए चित्रों को इतना अच्छा बनाए रखा कि उनका गुणवत्ता स्कोर (PSNR) सभी 39 परीक्षण चित्रों के लिए 40 dB से ऊपर रहा, जिसका औसत 42.65 dB था। इसे समझने के लिए, मानव आँख आमतौर पर इस स्तर पर मूल और वॉटरमार्क किए गए संस्करण के बीच अंतर नहीं कर सकती है।

नुकसान को पढ़ना (Reading the Damage)

जब चित्र अपने गंतव्य पर पहुँचता है, तो वह धुंधला, पिक्सेलेटेड या शोर (noise) युक्त हो सकता है। प्राप्तकर्ता के पास मूल प्रति नहीं है, लेकिन उनके पास निश्चित मानचित्र है। वे बीज को खोजने के लिए चित्र को फिर से उस मानचित्र के माध्यम प्रकार से चलाते हैं।

यहीं पर शोध पत्र चतुर हो जाता है। यदि वे केवल यह गिनते कि कितने "0" बदलकर "1" हो गए (बिट एरर रेट), तो वे एक दीवार से टकरा जाते। कभी-कभी, क्षति इतनी सूक्ष्म होती है कि बीज अभी भी पठनीय होता है, लेकिन वह डगमगा रहा होता है। अन्य समय में, क्षति इतनी अधिक होती है कि बीज पूरी तरह से गायब हो जाता है, और एरर रेट बस 50% (शुद्ध अनुमान) पर रुक जाता है, जिससे यह पता नहीं चलता कि नुकसान कितना बुरा है।

इसे ठीक करने के लिए, लेखक ने केवल त्रुटियों को नहीं गिना। उन्होंने तीन-भागों वाला एक "क्षतिग्रस्त स्कोर" बनाया:

1. बिट एरर रेट (Bit Error Rate): कितने बिट्स गलत हैं?
2. कॉन्फिडेंस स्कोर (Confidence Score): बिट्स गलत होने के कितने करीब थे? (जैसे सिक्के का किनारे पर गिरने की स्थिति)।
3. रेसिडुअल मोमेंट (Residual Moment): यह मापने का एक तरीका कि संख्याएँ कितनी डगमगाईं।

इन तीन सुरागों को एक साथ मिलाकर, उन्होंने एक "डिग्रेडेशन इंडेक्स" बनाया। इस इंडेक्स को फिर एक आइडियल मैपिंग कर्व में डाला जाता है। इस कर्व को एक अनुवादक के रूप में समझें जो "डगमगाहट स्कोर" को गुणवत्ता संख्या (जैसे PSNR) में बदल देता है। उन्होंने इस कर्व को "कैलिब्रेशन" छवियों के एक छोटे सेट का उपयोग करके बनाया, और फिर इसका परीक्षण उन छवियों पर किया जिन्हें इसने पहले कभी नहीं देखा था।

परिणाम: एक क्लोज्ड-लूप जासूस (The Results: A Closed-Loop Detective)

इस प्रणाली में एक "क्लोज्ड-लूप" विशेषता है, जो एक ऐसे जासूस की तरह है जो अपने काम की दोबारा जाँच करता है। यदि प्रारंभिक अनुमान गलत है, तो सिस्टम अपने आंतरिक सेटिंग्स में एक छोटा, गणनात्मक समायोजन करता है ताकि वह सच्चाई के करीब पहुँच सके।

परिणाम प्रभावशाली थे। सात अलग-अलग प्रकार के नुकसान (जैसे JPEG संपीड़न, धुंधलापन और शोर) और गुणवत्ता मापने के चार अलग-अलग तरीकों में से, सिस्टम ने परीक्षण किए गए सभी 28 संयोजनों में अपनी सटीकता में सुधार किया।

• पाँच प्रकार के नुकसान के लिए, सिस्टम वास्तविक मान (PSNR) के 0.35 से 0.73 dB के भीतर अनुमान लगा सका।
• 28 में से 22 मामलों में, सुधार सांख्यिकीय रूप से महत्वपूर्ण था, जिसका अर्थ है कि यह केवल भाग्य नहीं था।

हालाँकि, शोध पत्र इस बात के बारे में भी बहुत ईमानदार है कि वह कहाँ संघर्ष करता है। जब क्षति सरल एडिटिव नॉइज़ (जैसे टीवी स्क्रीन पर दिखने वाला स्टैटिक) थी, तो सिस्टम एक निश्चित सीमा से बेहतर नहीं हो सका। क्यों? क्योंकि उन मामलों में, गुणवत्ता लगभग पूरी तरह से जोड़े गए शोर से निर्धारित होती है, न कि स्वयं चित्र से। "नोट" चित्र के भीतर यह अंतर नहीं बता सका कि वह एक शोर वाला बिल्ली का चित्र है या शोर वाला पहाड़। लेखक स्पष्ट रूप से कहते हैं कि इन विशिष्ट शोर वाले मामलों के लिए, सिस्टम एक सीमा पर पहुँच जाता है, और वे इस रहस्य को सुलझाने का दावा नहीं करते हैं।

यह क्यों मायने रखता है (Why This Matters)

यह शोध पत्र दिखाता है कि चित्र की गुणवत्ता को आंकने के लिए आपको सुपर-कंप्यूटर या मानवीय राय के विशाल डेटाबेस की आवश्यकता नहीं है। आप एक निश्चित, गणितीय "कंकाल" और अदृश्य नोट्स को पढ़ने के एक चतुर तरीके का उपयोग करके गुणवत्ता का बहुत सटीक अनुमान लगा सकते हैं। यह JPEG संपीड़न, धुंधलेपन और फीकेपन के लिए अच्छी तरह से काम करता है, और इन विशिष्ट कार्यों पर कई जटिल लर्निंग-आधारित प्रणालियों को मात देता है।

लेकिन लेखक सावधानी बरतते हैं। वे स्वीकार करते हैं कि हालांकि यह सिंथेटिक परीक्षण छवियों पर बहुत अच्छा काम करता है, लेकिन हमें अभी तक यह नहीं पता है कि क्या यह वास्तविक, अस्त-व्यस्त इंटरनेट में जीवित रह पाएगा जहाँ छवियों को रीसाइज किया जाता है, पुनः एनकोड किया जाता है, और उन तरीकों से कंप्रेस किया जाता है जिनका उन्होंने परीक्षण नहीं किया है। वे यह भी नोट करते हैं कि यह प्रणाली वस्तुनिष्ठ गुणवत्ता (गणितीय संख्या) को मापती है, न कि आवश्यक रूप से मानवीय आनंद (क्या किसी व्यक्ति को चित्र पसंद आया?) को।

संक्षेप में, यह एक मजबूत, प्रशिक्षण-मुक्त उपकरण है जो आपको बता सकता है कि सामान्य डिजिटल प्रक्रियाओं द्वारा आपके चित्र को वास्तव में कितना नुकसान पहुँचा है, बशर्ते आपने इमारत छोड़ने से पहले उसमें नोट रोप दिया हो। यह एक ऐसी दुनिया की ओर एक कदम है जहाँ हम इस बात पर भरोसा कर सकते हैं कि हमारे द्वारा भेजे गए और प्राप्त किए गए चित्र उनकी यात्रा के कारण बर्बाद नहीं हुए हैं, भले ही हमें मूल संस्करण को कभी दोबारा न देखना पड़े।