C3DVQA：基于三维卷积神经网络的全参考视频质量评估
图像与视频处理
2020-03-05 v2 计算机视觉与模式识别
摘要
传统视频质量评估(VQA)方法评估局部图像质量，并通过时间上聚合帧分数来预测视频分数。然而，由于时间掩蔽效应的存在，视频质量表现出不同于静态图像质量的特征。本文提出一种新颖架构，即 C3DVQA，它使用带 3D 核的卷积神经网络(C3D)用于全参考 VQA 任务。C3DVQA 将特征学习与分数池化整合为单一的时空特征学习过程。我们使用 2D 卷积层提取空间特征，并使用 3D 卷积层学习时空特征。我们经验性地发现 3D 卷积层能够捕捉视频的时间掩蔽效应。我们在 LIVE 和 CSIQ 数据集上评估了所提方法。实验结果表明该方法达到了 SOTA 性能。
引用
@article{arxiv.1910.13646,
title = {C3DVQA: Full-Reference Video Quality Assessment with 3D Convolutional Neural Network},
author = {Munan Xu and Junming Chen and Haiqiang Wang and Shan Liu and Ge Li and Zhiqiang Bai},
journal= {arXiv preprint arXiv:1910.13646},
year = {2020}
}
备注
Cam ready, 5 pages, 3 figures, Accepted by ICASSP 2020