2BiVQA：基于双重Bi-LSTM的UGC视频质量评估
图像与视频处理
2023-10-31 v3
摘要
近来，随着移动设备以及视频分享平台（如YouTube、Facebook、TikTok和Twitch）的日益普及，用户生成内容 (UGC) 视频已愈发常见，并在互联网多媒体流量中占据很大比例。不同于由电影制作人和摄像师制作的专业生成视频，UGC视频通常包含多种真实失真，一般由缺乏经验的用户在拍摄和处理过程中引入。UGC视频的质量预测对于优化和监控其在托管平台（如编码、转码和流媒体）中的处理至关重要。然而，UGC的盲质量预测颇具挑战，因为除无原始参考可用外，UGC视频的退化未知且极为多样。因此，本文提出一种准确高效的面向UGC视频的盲视频质量评估 (BVQA) 模型，命名为2BiVQA（双重Bi-LSTM视频质量评估）。2BiVQA指标由三个主要模块组成：一个预训练的卷积神经网络 (CNN) 从图像块提取判别特征，随后送入两个循环神经网络 (RNNs) 进行空间与时间池化。具体而言，我们使用两个双向长短期记忆 (Bi-LSTM) 网络，第一个用于捕获图像块间的短程依赖，第二个用于捕获帧间的长程依赖以考虑时间记忆效应。在近期大规模UGC VQA数据集上的实验表明，2BiVQA以低于多数最先进VQA模型的计算成本实现了高性能。我们的2BiVQA指标源代码已公开于：https://github.com/atelili/2BiVQA
引用
@article{arxiv.2208.14774,
title = {2BiVQA: Double Bi-LSTM based Video Quality Assessment of UGC Videos},
author = {Ahmed Telili and Sid Ahmed Fezza and Wassim Hamidouche and Hanene F. Z. Brachemi Meftah},
journal= {arXiv preprint arXiv:2208.14774},
year = {2023}
}