FDIM：一种面向多种编解码器的基于特征距离的通用视频质量指标
计算机视觉与模式识别
2026-04-28 v1
摘要
视频技术正朝着超高清（UHD）和高动态范围（HDR）发展，这加剧了这些高规格视频的更高压缩效率的需求。除了传统编解码器的进步外，神经视频编解码器（NVC）也在过去几年中吸引了大量研究注意力并迅速发展。NVC的编码失真常表现为内容可变且具有生成性特征，这与传统编解码器不同，对传统视频质量评估（VQA）方法构成挑战。因此，需要一种能够跨不同编解码器、内容类型和动态范围以更好支持视频编解码器研究和评估的VQA指标。本文提出FDIM，一种面向SDR和HDR格式下传统和神经视频编解码器的特征距离基通用视频质量指标。FDIM采用混合体系结构，集成深度特征和手工特征。深度特征组件学习多尺度表示，以捕获从结构和纹理保真度退化到高级语义偏差的各种失真，而手工特征组件提供稳定的补充线索以提高整体泛化能力。我们在由超过16k个视频序列组成的大规模主观质量评估数据集（DCVQA）上进行训练，包含由传统基于块的混合视频编解码器和端到端感知优化神经视频编解码器编码的视频。针对十个包含多样且先前未使用的编解码器的SDR/HDR VQA数据集进行大量实验，表明FDIM在强大的泛化性和与主观评估的高相关性方面表现优异。FDIM及DCVQA验证集的源代码将在 https://github.com/MCL-ZJU/FDIM 发布。
引用
@article{arxiv.2604.24123,
title = {FDIM: A Feature-distance-based Generic Video Quality Metric for Versatile Codecs},
author = {Jiayi Wang and Lichun Zhang and Xiaoqi Zhuang and Jiaqi Zhang and Lu Yu and Yin Zhao},
journal= {arXiv preprint arXiv:2604.24123},
year = {2026}
}