May, 2024
Light-VQA+: 光照校正的视频质量评估模型与视觉语言引导
Light-VQA+: A Video Quality Assessment Model for Exposure Correction with Vision-Language Guidance
Xunchu Zhou, Xiaohong Liu, Yunlong Dong, Tengchuan Kou, Yixuan Gao...
TL;DR最近，“用户生成内容 (UGC) 视频” 在我们的日常生活中变得越来越受欢迎。然而，由于摄影设备和技术的限制，UGC 视频经常遭受曝光不足的问题。因此，提出了一些视频曝光校正 (VEC) 算法，包括低光视频增强 (LLVE) 和过曝视频恢复 (OEVR)。和 VEC 一样重要的是视频质量评估 (VQA)。不幸的是，几乎所有现有的 VQA 模型都是以一种综合的角度来衡量视频质量。为此，我们提出了基于 LLVE-QA 训练的 Light-VQA，用于评估 LLVE。我们通过将 LLVE-QA 数据集扩展为视频曝光校正质量评估 (VEC-QA) 数据集以及过曝视频和其对应校正版本，扩展了 Light-VQA 的工作。此外，我们提出了 Light-VQA+，一种专门用于评估 VEC 的 VQA 模型。Light-VQA + 与 Light-VQA 的主要区别在于使用了 CLIP 模型和在特征提取期间的视觉 - 语言引导，然后通过引入人类视觉系统 (HVS) 的新模块进行更准确的评估。广泛的实验证明，我们的模型在 VEC-QA 数据集和其他公共数据集上的性能优于当前现有的 VQA 模型。