Apr, 2024

锐度对盲视频质量评估的影响研究

PDF
TL;DR视频质量评估是目前研究的重点领域之一，本研究通过使用卷积神经网络和深度神经网络等机器学习方法，探索了视频质量中的清晰度效应，并在现有视频质量数据库上进行了比较研究。
video quality assessmentconvolutional neural networksdeep neural networkssharpnessmachine learning parameters
发现论文，激发创造
  • 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

  • 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

  • 模块化盲视频质量评估

    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

  • 探索视频感知表征在盲视频质量评估中的有效性

    通过提取 HVS 的视频感知表示，并通过测量其在感知领域中的表示方式的直线程度和紧凑性来量化视频的自然度和内容连续性，我们提出了一种评估视频临时失真的 TPQI 指标，并证明它对任何数据集都有可申请性，即使在评估具有大的时间变化的视频时也有适用性，TPQI 可以实现与空间质量度量相当的性能甚至更加有效的评估。

    Jul, 2022

  • 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

  • SB-VQA: 基于堆栈的视频质量评估框架用于视频增强

    我们提出了一种基于堆栈的视频质量评估 (VQA) 框架，可以更准确地基于人类主观感知预测增强视频的视频质量，并考虑了视频语义理解等因素，进而在 YouTube 视频等多种应用场景中得到了广泛应用。

    May, 2023

  • RMT-BVQA：基于循环记忆变换器的盲视频质量评估方法，用于增强视频内容

    提出一种针对增强视频内容的新型盲目深度视频质量评估 (VQA) 方法，其利用基于新数据库的新颖内容质量感知对比学习策略及经过优化的具有内容感知的 RMT 网络架构获取视频质量表示，并通过线性回归将提取的质量表示组合成视频级质量指数。实验证明，与十个现有的无参考质量指标相比，所提方法 RMT-BVQA 在 VDPVE 数据库上表现出优异的相关性能。

    May, 2024

  • 利用丰富的质量感知特征增强盲视频质量评估

    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

  • 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

  • 面向野外视频质量评估的鲁棒性文本提示语义标准

    提出了一种基于文本的语义相关质量评价方法 (SAQI) 及其本地化版本 (SAQI-Local)。通过与现有低级指标结合，提出了统一盲视频质量指数 (BVQI) 及其改进版 (BVQI-Local)，并通过有效的微调方案，实现了优于普遍基于人类意见的 VQA 方法的性能和卓越的泛化能力。

    Apr, 2023