Mar, 2018

对感知视频质量的大规模研究

PDF
TL;DR为了推进无参考视频质量预测，我们构建了一个大规模的视频质量评估数据库，其中包含由大量用户捕捉的独特内容的 585 个视频，具有各种复杂，真实扭曲的级别。我们通过众包收集了大量的主观视频质量分数，总共有 4776 个独特的参与者参加了本次研究，产生了超过 205000 条意见分数，每个视频平均记录了 240 个人的意见。我们称之为 LIVE-VQC 的新资源的价值是通过在其中进行领先的 NR 视频质量预测器的比较来证明的；这是有史以来在内容数量、捕获设备、畸变类型与畸变组合、研究参与者和记录的主观分数等多个关键维度上进行的最大的视频质量评估研究。
发现论文，激发创造
  • Patch-VQ: 解决视频质量问题

    该研究着重探讨了无参考视觉质量评估（NR VQA）问题，研究创建了包含 39,000 个失真视频和 117,000 个空时定位视频片段的最大人类感知质量评价数据库，以及两种独特的 NR-VQA 模型，并实现了在不同 UGC 数据集上的最先进性能，具有非常好的实践应用前景。

    Nov, 2020

  • 大规模在线众包主客观图片质量研究

    本文介绍一种新的数据集: LIVE In the Wild Image Quality Challenge Database，旨在解决已有的图片质量数据库由于受控条件下被损坏无法很好地反映真实情况的问题，采集了大量真实环境下采集的图片，并通过在线众包系统进行了大规模的主观评估研究，为盲目的图像质量评估算法提供基础研究和深入分析。

    Nov, 2015

  • 从图块到图片（PaQ-2-PiQ）：绘制图片质量的感知空间

    本研究介绍了迄今为止最大的主观图像质量数据库，并使用这个数据库建造了深度基于区域的体系结构来预测图像的质量，包括全局和局部预测。

    Dec, 2019

  • 3D 虚拟现实画面质量研究

    本文旨在通过一项有关画质评估的研究，建立大规模的虚拟现实（VR）主观质量数据库，以发展 VR 品质模型和基准测试 VR 品质预测算法。研究中，使用 450 张受损的图像进行了调查，并记录了主观评分和眼动数据，支持了注视方向与品质感知之间的关系。文章还对几个公开可用的 IQA 模型进行了评估，并对比了它们的性能。

    Oct, 2019

  • 实现现场视频质量评估的可解释性方法：数据库和基于语言提示的方法

    本文讨论了在各种因素的干扰下，如何对自然视频的视频质量进行评估，构建了 Maxwell 数据库，并提出了 MaxVQA，一种基于 Vision-Language 模型的视频质量评估方法。

    May, 2023

  • 朝向感知优化的端到端自适应视频流传输

    本文介绍了 LIVE-NFLX-II 数据库的设计和使用，此数据库包含了高度真实的主观 QoE 响应数据，能够帮助优化感知适应和视频流策略的开发。

    Aug, 2018

  • 野外视频品质评估

    本文提出了一种基于深度神经网络，利用人类视觉系统的内容依赖和时间记忆效应来进行无参考视频质量评估的方法，并在三个公开数据库上进行实验证明该方法相较于五种最先进的方法有着 12.39％，15.71％，15.45％和 18.09％不等的总体性能提高。

    Aug, 2019

  • 面部视频压缩的感知质量评估：基准和有效方法

    本文介绍了大规模压缩人脸视频质量评估数据库的构建和性能评估，该数据库被认为是系统地理解人脸视频中感知质量和多样化压缩畸变的第一次尝试，同时还开发了 FAVOR 指数来度量人脸视频的感知质量。

    Apr, 2023

  • 利用预先存在的失真预测压缩视频的质量

    本研究旨在通过开发一种新的视频质量评估框架 1stepVQA，通过利用自然视频和混合失真视频的统计规律，更准确地预测压缩后视频的质量，并采用一种新的视频数据库，其中包括 (通常是失真的) UGC 视频参考和大量压缩版本的视频。

    Apr, 2020

  • 感知视频质量评价：综述

    视频质量评估在视频处理领域中起着至关重要的作用，本文提供了对视频质量评估研究的最新和全面的综述，包括主观视频质量评估方法和数据库、通用目的的客观视频质量评估算法、特定应用和新兴主题的客观视频质量评估指标的概述，以及最先进的视频质量评估指标的性能比较和分析。

    Feb, 2024