FOVQA：盲注中央凹视频质量评估
图像与视频处理
2022-07-27 v1 计算机视觉与模式识别
摘要
既往盲或无人参考(NR)视频质量评估(VQA)模型主要依赖自然场景统计(NSS)提取特征，但假定图像统计在空间域平稳。其中若干模型在标准图像上相当成功。然而在虚拟现实(VR)应用中，中央凹视频压缩重获关注，鉴于高时空分辨率内容日渐可用及视线方向实测之实用方法，空间变异质量评估概念引人注目。中央凹视频压缩所致失真随偏心率增大而增强，意味着自然场景统计为空间变异。为推动中央凹压缩/流算法发展，我们设计了名为FOVQA的无人参考(NR)中央凹视频质量评估模型，其基于空间变异自然场景统计(NSS)与自然视频统计(NVS)新模型。具体地，我们部署空间变异广义高斯分布(SV-GGD)模型与空间变异异步广义高斯分布(SV-AGGD)模型，分别刻画均值相减对比度归一化(MSCN)系数及其邻域MSCN系数乘积。我们 devised 一种提取径向基特征及其他捕捉感知烦扰性快速质量骤降特征的中央凹视频质量预测器。我们发现，相较于其他领先FIQA/VQA模型，FOVQA在新2D LIVE-FBT-FCVR数据库上取得最先进(SOTA)性能。我们已将FOVQA实现发布于：http://live.ece.utexas.edu/research/Quality/FOVQA.zip。
引用
@article{arxiv.2106.13328,
title = {FOVQA: Blind Foveated Video Quality Assessment},
author = {Yize Jin and Anjul Patney and Richard Webb and Alan Bovik},
journal= {arXiv preprint arXiv:2106.13328},
year = {2022}
}