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。

Mar, 2018

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

该研究利用认知图像分析技术开发了自动化工具，旨在改善视力受损用户拍摄照片的技术质量问题，建立了一个大型的歪曲视力受损用户生成内容（VI-UGC）图像数据库，利用人类感知质量判断和失真标签进行预测模型的训练及其反馈系统的原型设计，为视力受损用户提供拍摄更高质量照片的机会。

May, 2023

本研究提出了一种新型的基于对抗学习的全景图像虚拟现实图像质量评估方法，通过使用深度网络来考虑全景图像的特性，其中包括新颖的质量评分预测器和人类感知指导器，用于自动预测畸变图像的质量得分，并使用对抗学习将其与人类感知得分进行比较。在全景图像数据集上进行的实验结果表明，本文提出的 VR IQA 指标优于二维 IQA 和现有的 VR IQA。

Apr, 2018

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

本文介绍了第一份公开的大规模主观研究，旨在预测 HDR 视频的质量，并研究失真、压缩和模糊过程对 HDR 视频质量的影响，同时分析研究了室内环境光照对 HDR 视频感知质量的影响。研究共有 66 名受试者参与，共收集到 20,000 多个意见分数。该数据集将为研究人员开发更好的 HDR 视频感知质量模型提供有价值的资源。

Sep, 2022

本文综述了传统图像信号和新兴信号（包括高动态范围（HDR）和 3-D 图像）的质量评估方法，提供了主观和客观图像质量评估的分类和综述，并评估了 9 种常用的质量评估指标在四个主观质量数据集上的表现和计算时间。本文还简要介绍了 3-D 图像质量评估，并综述了与该领域相关的问题。

Jun, 2014

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

对 360 度视频 / 图像的感知、评估和压缩方面的研究进行综述，最终总结论文并展望未来的研究趋势。

May, 2019

在这篇论文中，我们开发了一种基于 Transformer 的新型无参考（NR）方法，用于以多任务方式处理数字人的感知质量评估（DHQA）。具体而言，我们将数字人的前 2D 投影渲染为输入，并采用视觉 Transformer（ViT）进行特征提取。然后，我们设计了一个多任务模块，共同分类数字人的失真类型和预测感知质量水平。实验结果表明，所提出的方法与主观评级具有良好的相关性，并且优于现有的质量评估方法。

Oct, 2023