多维视频质量评估的解析得分优化
计算机视觉与模式识别
2026-02-20 v1
摘要
视频质量评估（VQA）正在从单一的平均意见分数（mean opinion score）演进 toward更丰富、多层次的视频内容评估。本文提出了一个大型多维VQA数据集UltraVQA，涵盖了多样化的用户生成内容（UGC），其跨越五个关键质量维度：运动质量（Motion Quality）、运动幅度（Motion Amplitude）、审美质量（Aesthetic Quality）、内容质量（Content Quality）和清晰度质量（Clarity Quality）。本数据集中每段视频都由超过3名人类评估者对这些维度进行评分，包含细粒度的子属性标签，并配有由GPT生成的解释性依据。为更好地利用这些丰富的注释并改进离散质量评分的评估，我们引入了解析得分优化（Analytic Score Optimization, ASO）方法，这是一种基于理论推导的、针对多维VQA的后训练目标。通过将质量评估重新建模为一个正则化的决策过程，我们获得了一个闭式解，自然地捕捉了人类评分的排序性质，确保与人类的排序偏好一致。在实验中，我们的方法在大多数基线方法（包括闭源API和开源模型）中均取得了更好的性能，同时也降低了质量预测的平均绝对误差（MAE）。我们的工作凸显了多维、可解释注释以及基于强化学习的对齐在推动视频质量评估方面的重要性。
引用
@article{arxiv.2602.16856,
title = {Analytic Score Optimization for Multi Dimension Video Quality Assessment},
author = {Boda Lin and Yongjie Zhu and Wenyu Qin and Meng Wang and Pengfei Wan},
journal= {arXiv preprint arXiv:2602.16856},
year = {2026}
}
备注
18 pages