CHUG:众包用户生成 HDR 视频质量数据集
计算机视觉与模式识别
2025-10-14 v1 人工智能
摘要
高动态范围(HDR)视频凭借其卓越的亮度、对比度与色彩深度,提升了视觉体验。YouTube 与 TikTok 等平台上用户生成内容(UGC)的激增,为 HDR 视频质量评估(VQA)带来了独特挑战,原因在于其多样化的拍摄条件、编辑痕迹以及压缩失真。现有 HDR-VQA 数据集主要聚焦于专业生成内容(PGC),在对真实世界 UGC-HDR 退化的理解上存在空白。为此,我们推出 CHUG:众包用户生成 HDR 视频质量数据集,这是首个针对 UGC-HDR 质量的大规模主观研究。CHUG 包含 856 个 UGC-HDR 源视频,经多种分辨率与比特率转码以模拟真实场景,共计 5,992 个视频。通过 Amazon Mechanical Turk 开展的大规模研究共收集了 211,848 条感知评分。CHUG 为分析 HDR 视频中 UGC 特有的失真提供了基准。我们期待 CHUG 通过提供大规模、多样化且源自真实世界的 UGC 数据集,推动无参考(NR)HDR-VQA 研究的发展。数据集已公开于:https://shreshthsaini.github.io/CHUG/。
引用
@article{arxiv.2510.09879,
title = {CHUG: Crowdsourced User-Generated HDR Video Quality Dataset},
author = {Shreshth Saini and Alan C. Bovik and Neil Birkbeck and Yilin Wang and Balu Adsumilli},
journal= {arXiv preprint arXiv:2510.09879},
year = {2025}
}