Nov, 2020

混合数据集下野外视频的统一质量评估培训

PDF
TL;DR在计算机视觉中，我们提出了一种用于自动评估野外采集视频质量的混合数据集训练策略，并探索了人类视觉系统的内容依赖性和时间记忆效应。实验结果表明，该模型在相对质量、感知质量和主观质量预测方面具有卓越性能，与现有最先进的模型相比，提高了 VQA 性能的成功率。
video quality assessmentcomputer visionin-the-wild videoscross-dataset evaluationmixed datasets training
发现论文，激发创造
  • 通过品质感知预训练和运动感知盲目评估野外视频的质量

    本文提出了一种模型基础的迁移学习方法，旨在将知识从图像质量评估（IQA）数据库和大规模的行为识别中传输到目标视频质量评估（VQA）数据库。该方法使用混合的列表排序损失函数进行训练，并在六个数据库上进行广泛的实验以验证其有效性。

    Aug, 2021

  • 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

  • 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

  • PTM-VQA: 从各个方面利用多样化的预训练模型来进行高效视频质量评估

    本文介绍了一种名为 PTM-VQA 的视频质量评估方法，利用预训练模型从不同方面为 VQA 带来益处，并提出了 ICID 损失和有效的候选模型选择方案，实验证明了该方法的有效性。

    May, 2024

  • KonVid-150k: 野外视频无参考质量评估数据集

    我们介绍了一个新的数据集 KonVid-150k，提出了一种新的高效的 VQA 方法（MLSP-VQA），与现有的深度学习方法和基于手工特征的方法相比，它在标准性能指标方面表现得最好，能够应对不同级别的标签噪声和数据集大小，并在跨数据集上设置了新的准确度记录。

    Dec, 2019

  • UGC-VQA：用户生成内容盲视频质量评估基准

    通过在视频质量评估领域进行广泛的评估，该论文提出了一种新的基于融合的视频质量评估模型 VIDEVAL，有效平衡了 VQA 性能和效率，并在考虑了更少的统计特征（即 60 个统计特征）的情况下取得了最先进的性能。

    May, 2020

  • 通过简化视频质量模型的设计分析视频质量数据集

    通过设计简约的 BVQA 模型，我们对 VQA 数据集进行计算分析，发现几乎所有数据集都存在易的数据集问题，并对基本构建模块的选择进行研究，对当前 BVQA 进展表示疑虑，并为构建下一代 VQA 数据集和模型提供了指导。

    Jul, 2023

  • 基于深度学习的 UGC 视频无参考质量评估模型

    本文提出了一种简单有效的 UGC 视频质量评估模型，通过训练端到端的空间特征提取网络直接从视频帧像素中学习感知质量的空间特征表示，并提取运动特征来度量空间特征无法建模的时间相关失真。

    Apr, 2022

  • 卷积神经网络用于视频质量评估

    本文介绍一种基于深度学习框架的视频质量评估方法，综合考虑了压缩失真和传输延迟，通过端到端特征学习，可提高视频内容传输机制 VQA 的准确性。

    Sep, 2018

  • 野外视频问答

    提出了 WILDQA 数据集，包含视频问答（Video QA）和视频证据选择（Video Evidence Selection）两项任务，以在户外环境下录制的视频为主，对该数据集进行了广泛的基线测试和评估。

    Sep, 2022