用于盲视频质量评估的深度局部与全局时空特征聚合
图像与视频处理
2020-09-09 v1 多媒体
摘要
近年来，深度学习在多媒体质量评估尤其是图像质量评估（IQA）方面取得了可喜的成功。然而，由于视频中存在更复杂的时间特性，利用强大的深度卷积神经网络（DCNNs）进行视频质量评估（VQA）的工作甚少。本文提出一种高效的 VQA 方法，称为深度时空视频质量评估器（DeepSTQ），以无参考方式预测各种失真视频的感知质量。在所提出的 DeepSTQ 中，我们首先通过预训练深度学习模型提取局部和全局时空特征，无需微调或从零训练。所组合的特征同时考虑了失真视频帧以及来自全局和局部视角的帧差图。然后，通过回归模型进行特征聚合以预测感知视频质量。最后，实验结果表明，我们提出的 DeepSTQ 优于最先进的质量评估算法。
引用
@article{arxiv.2009.03411,
title = {Deep Local and Global Spatiotemporal Feature Aggregation for Blind Video Quality Assessment},
author = {Wei Zhou and Zhibo Chen},
journal= {arXiv preprint arXiv:2009.03411},
year = {2020}
}