用于感知、认知、行为与QoE评估研究的360视频与高阶Ambisonics音频视听数据库
图像与视频处理
2022-12-29 v1 多媒体
声音
音频与语音处理
摘要
多模态感知、人类认知、行为与注意力的研究可受益于高保真内容，这类内容在头戴式显示器上渲染时可重现类真实场景。此外，视听感知、认知过程与行为等方面可补充基于问卷的交互式虚拟环境体验质量（QoE）评估。目前缺乏可用于评估此类方面或能够复现高质量内容的开源高质量视听数据库。本文提供一个公开可用的视听数据库，包含十二个捕捉真实自然与城市环境的场景，视频分辨率7680x3840、60帧每秒，并带有4阶Ambisonics音频。这些平均时长60秒的360视频序列代表了真实环境，用于系统评估单模态/多模态感知、认知、行为与QoE的各个维度。本文提供场景需求、录制方法与场景描述等细节。该数据库提供聚焦于听觉与视觉感官信息的均衡高质量参考素材。数据库将持续更新，增加更多场景及人类评分、显著性信息等元数据。
引用
@article{arxiv.2212.13442,
title = {Audiovisual Database with 360 Video and Higher-Order Ambisonics Audio for Perception, Cognition, Behavior, and QoE Evaluation Research},
author = {Thomas Robotham and Ashutosh Singla and Olli S. Rummukainen and Alexander Raake and Emanuël A. P. Habets},
journal= {arXiv preprint arXiv:2212.13442},
year = {2022}
}
备注
6 pages, 2 figures, accepted and presented at the 2022 14th International Conference on Quality of Multimedia Experience (QoMEX). Database is publicly accessible at https://qoevave.github.io/database/