GameScope：面向游戏视频质量评估的多属性、多编解码基准数据集
计算机视觉与模式识别
2026-05-05 v1 图像与视频处理
摘要
游戏视频流的开发迅速增长，主要平台如 YouTube 和 Twitch 使用不同的编解码器。为了支持在任何编解码器上都能持续工作的质量评估模型，需要获得大规模、多样化的主观游戏质量数据集。目前，仅有少数数据集可用，每组数据集都有局限性。为填补这一空白，我们提出目前为止最大的游戏视频质量数据集，纳入了用户生成内容 (UGC) 和专业生成内容 (PGC)，并具有广泛的视觉多样性。我们的数据集覆盖最广泛使用的编解码器——H.264、H.265 和 AV1，包含 4048 个视频样本，每个样本平均由 37 项平均意见分数 (MOS) 评级标注。除了整体质量评分外，我们还收集粗粒度质量属性，帮助更好地理解感知因素。我们研究了领先的视频质量评估方法在该数据集上的性能，包括一种超越所有基准的视觉语言模型。据我们了解，这是首个综合针对游戏视频质量评估 across 多个编解码器和内容类型的、带有质量属性的数据集。我们的数据集已公开可用，网址为 https://rajeshsureddi.github.io/GameScope/。
引用
@article{arxiv.2605.01272,
title = {GameScope: A Multi-Attribute, Multi-Codec Benchmark Dataset for Gaming Video Quality Assessment},
author = {Rajesh Sureddi and Shreshth Saini and Avinab Saha and Alan C. Bovik},
journal= {arXiv preprint arXiv:2605.01272},
year = {2026}
}