FineVQ：面向用户生成内容视频的细粒度视频质量评估
计算机视觉与模式识别
2025-04-29 v2 机器学习
多媒体
图像与视频处理
摘要
用户生成内容（UGC）视频的快速增长导致迫切需要有效的视频质量评估（VQA）算法来监控视频质量并指导优化和推荐程序。然而，当前的 VQA 模型通常只为 UGC 视频给出整体评分，缺乏用于服务视频处理和推荐应用的细粒度标签。为解决这些挑战并促进 UGC 视频的发展，我们建立了第一个大规模细粒度视频质量评估数据库，称为 FineVD，包含 6104 个带有细粒度质量评分和描述的 UGC 视频，跨越多个维度。基于该数据库，我们提出了细粒度视频质量评估（FineVQ）模型，以学习 UGC 视频的细粒度质量，具备质量评估、质量评分和质量归因能力。广泛的实验结果表明，我们提出的 FineVQ 能够产生细粒度的视频质量结果，并在 FineVD 和其他常用 UGC-VQA 数据集上实现了最先进的性能。
引用
@article{arxiv.2412.19238,
title = {FineVQ: Fine-Grained User Generated Content Video Quality Assessment},
author = {Huiyu Duan and Qiang Hu and Jiarui Wang and Liu Yang and Zitong Xu and Lu Liu and Xiongkuo Min and Chunlei Cai and Tianxiao Ye and Xiaoyun Zhang and Guangtao Zhai},
journal= {arXiv preprint arXiv:2412.19238},
year = {2025}
}