Apr, 2023

视频质量评估模型的比特深度鲁棒性提升

PDF
TL;DR本研究引入了一种新的特征集，称为 HDRMAX 特征，可用于视频质量评估（VQA）算法，对于 SDR 视频可能无法充分考虑的 HDR 视频的失真进行敏感化处理。 这些特征可以修改自然视频统计（NVS）模型的强先验，从而捕捉通常由现有 VQA 模型难以考虑到的视觉影响最明显最亮和最暗的局部视频部分的失真，并在 HDR 视频上取得了显著的效果提升。
发现论文，激发创造
  • HDR-ChipQA: 基于无参考的高动态范围视频质量评估

    本文提出了一种无参考视频质量模型和算法，它可以为广泛采用的 HDR 视频网络提供更好的视频质量评估，在 HDR 和 SDR 内容中均表现出优异的性能。

    Apr, 2023

  • HIDRO-VQA: 高动态范围视频质量评估的标准

    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

  • 压缩高动态范围视频质量评估的 FUNQUE 方法

    最近几年，网络上诸如高动态范围（HDR）视频等的流媒体内容越来越受欢迎和可用。因此，评估通常经过压缩的 HDR 视频的主观质量变得越来越重要。本文针对压缩 HDR 视频的全参考质量评估这个任务，介绍了名为 FUNQUE + 的高效视频质量预测模型，其能够以更低的计算成本实现超越当前最先进方法 HDRMAX 的预测准确性。

    Dec, 2023

  • 不同环境条件下高动态范围视频的主观评估

    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

  • SDR 还是 HDR？缩放和压缩视频的主客观评估研究

    本文对观看具备不同编码和尺度的高动态范围（HDR）和标准动态范围（SDR）视频，以及在三种不同的显示设备上进行的人类感知质量判断进行了大规模研究，并开发了新型无参考视频质量模型 HDRPatchMAX。

    Apr, 2023

  • YouTube SFV+HDR 质量数据集

    短视频和高动态范围在视频质量研究中带来了新的问题，我们创建了规模庞大的短视频 + 高动态范围数据集，并进行了综合分析，探讨了现有的用户生成内容质量度量方法的可靠性和改进空间。

    Jun, 2024

  • 高动态范围图像渲染的感知评估与优化

    提出了一种新的高动态范围图像质量评估模型，通过逆显示模型将 HDR 图像分解成一组具有不同曝光的 LDR 图像，然后使用现有的 LDR 图像质量模型对每个曝光进行评估，并根据曝光之间的全局质量评分来获得整体质量评分。该方法在评估 LDR 图像时具有相同的性能，并在人感知优化 HDR 新视角合成方面表现出了优势。

    Oct, 2023

  • 适应预训练网络用于高动态范围显示器上的图像质量评估

    本研究探索了在高动态范围（HDR）数据上训练深度学习模型进行图像质量评估（IQA）的更有效的方法，并通过添加微调和域适应将基于标准动态范围（SDR）数据的预训练模型重新定位到 HDR 数据，验证了我们的方法优于之前的基准结果，并在 HDR 输入上可靠地推广。

    May, 2024

  • 压缩调制高动态范围视频的主观质量评价

    对现有显示器不兼容的 HDR 视频进行色调映射处理以服务于 SDR 受限的用户，通过分析合成的 15,000 个经过主观质量注释的 HDR 视频数据库对色调映射算法的视觉质量进行评估和基准测试，为 HDR 视频的色调映射和质量评估领域带来显著进展。

    Mar, 2024

  • HDR-VDP-3: 一种用于预测高动态范围和常规内容中图像差异、质量和对比度失真的多度量标准

    介绍了一个视觉指标 HDR-VDP-3，它可以完成全参考图像 / 视频质量评估、预测图像对之间的视觉差异或对比度失真等任务，并讨论了与 Version 2.2 的主要差异和如何将其应用于 HDR 视频质量测量大挑战赛 2023。

    Apr, 2023