通过人体研究，我们设计了一个包含 480 个视频、6 种不同的帧率和 5 种不同的压缩级别的 客观资源池，以了解高帧率视频与感知视频质量之间的关系，并且评估了现有的全参考和无参考视频质量算法在此新数据集上的表现。

Jul, 2020

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

尽管盲目的人脸修复（BFR）在图像上有了显著进展，但对于更复杂的面部动作（如移动凝视方向和面部朝向）的真实世界视频人脸修复（VFR）问题尚未解决。本研究引入了名为 FOS 的新的真实世界数据集，其中包含来自主要视频帧的 “全面的、遮挡的和侧面的” 面部，以研究当前方法在视频上的适用性。通过与已有测试数据集的比较，FOS 数据集涵盖了更多种类的退化，并涉及来自更复杂场景的人脸样本，从而更全面地重新审视了当前的人脸修复方法。

Apr, 2024

该论文研究了视频帧率对感知质量评估的影响，提出了基于统计的 VQA 模型 GREED，并在多个数据集上进行了测试，表现出优越的性能。

Oct, 2020

通过自监督对比微调方法，将有标记的标准动态范围（SDR）视频的质量感知特征转移到无标记高动态范围（HDR）视频领域，从而实现对 HDR 视频的精确质量评估，并取得了最先进的性能。

Nov, 2023

通过提出一个模块化的盲视频质量评估模型，该模型结合了基本质量预测器、空间矫正器和时间矫正器，分别对视觉内容和失真、空间分辨率和帧率变化对视频质量的影响进行评估，实验证明该模型在视频数据库上取得了优秀的性能，并能够成本效益地添加其他与质量相关的视频属性。

Feb, 2024

探索 Fréchet Video Distance（一种评估视频生成模型的优秀指标）对每帧质量和时域真实度的偏向程度，并确定其来源；通过解耦帧质量和运动质量，量化 FVD 对时域轴的敏感性，发现 FVD 在大的时域损坏下略微增加；通过精心从不包含运动的大量生成视频中进行采样，显示能够显著减少 FVD 而不改善时域质量；研究表明 FVD 偏向于个别帧的质量；观察到偏向可以归因于从内容偏向数据集训练的受监督视频分类器提取的特征；结果显示使用最近的大规模自监督视频模型提取的特征的 FVD 对图像质量偏向较小；最后，通过验证我们的假设，重新审视了一些现实世界的例子。

Apr, 2024

本文研究多目标视频质量评估 (VQA) 算法中的时间池化方法，通过对多个时间池化策略的比较评估，提出了时间池化模型的应用和选择的一般指导，提出了一个优化的组合时间池化模型，并在多个 VQA 算法上使用两个自然视频质量数据库进行了评估。同时，为基于帧级质量预测应用时间池化提供了通用方法。

Feb, 2020

FLAVR 是一种基于 3D 时空卷积的视频帧内插法架构，通过学习处理复杂的非线性运动、遮挡和时间抽象，从而提高视频帧内插的性能，同时不需要额外的输入。FLAVR 比当前最准确的帧插值方法具有 3 倍的推理速度，而且在包括 Vimeo-90K、UCF101、DAVIS、Adobe 以及 GoPro 在内的各种流行基准测试中都表现出了优越的质量和数量结果。最后，我们证明 FLAVR 可以作为一个有用的自监督前置任务，可以用于动作识别、光流估计和运动放大。

Dec, 2020

本文提出了一种简单但有效的方法来增强社交媒体视频的盲视频质量评估（BVQA）模型。通过利用来自预训练盲图像质量评估（BIQA）和 BVQA 模型的丰富质量感知特征作为辅助特征，帮助 BVQA 模型处理社交媒体视频的复杂失真和多样内容。

May, 2024