BVI-Artefact：面向流媒体视频的伪影检测基准数据集
计算机视觉与模式识别
2025-06-03 v2
摘要
在线流媒体的专业生成内容 (PGC) 可能包含降低用户体验质量的视觉伪影。这些伪影产生于流媒体管线的不同阶段，包括采集、后期制作、压缩和传输。为了更好地指导流媒体体验增强，在缺乏原始参考的情况下，在用户端检测特定伪影非常重要。在本工作中，我们通过创建和验证大型数据库 BVI-Artefact，解决了流媒体 PGC 内伪影检测缺乏综合基准的问题。考虑到视频流媒体中遇到的十种最相关的伪影类型，我们收集并生成了 480 个视频序列，每个序列包含各种伪影及相关的二元伪影标签。基于这个新数据库，对现有的伪影检测方法进行了基准测试，结果表明该任务具有挑战性，并表明需要更可靠的伪影检测方法。为了促进该领域的进一步研究，我们已在 https://chenfeng-bristol.github.io/BVI-Artefact/ 公开发布了 BVI-Artefact 数据集。
引用
@article{arxiv.2312.08859,
title = {BVI-Artefact: An Artefact Detection Benchmark Dataset for Streamed Videos},
author = {Chen Feng and Duolikun Danier and Fan Zhang and Alex Mackin and Andy Collins and David Bull},
journal= {arXiv preprint arXiv:2312.08859},
year = {2025}
}
备注
The paper has been accepted by Picture Coding Symposium (PCS) 2024