GAMIVAL：面向移动云游戏内容的视频质量预测
图像与视频处理
2023-08-31 v3 计算机视觉与模式识别
机器学习
多媒体
摘要
过去十年中，移动云游戏产业快速增长。当流媒体游戏视频从云服务器传输至客户终端设备时，能够在无任何参考视频可用的情况下监控失真视频质量的算法是理想的工具。然而，创建能够准确预测由计算机图形引擎渲染的流媒体游戏视频质量的无参考视频质量评估（NR VQA）模型是一个挑战性问题，因为游戏内容通常在统计上不同于自然视频，常缺乏细节且包含许多平滑区域。直到最近，缺乏充分的移动游戏内容主观质量数据库进一步使该问题复杂化。我们创建了一种新的游戏专用 NR VQA 模型，称为游戏视频质量评估器（GAMIVAL），其结合并利用了空间与时间游戏失真场景统计模型、神经噪声模型以及深度语义特征的优势。使用支持向量回归（SVR）作为回归器，GAMIVAL 在新的 LIVE-Meta 移动云游戏（LIVE-Meta MCG）视频质量数据库上取得了优越性能。
引用
@article{arxiv.2305.02422,
title = {GAMIVAL: Video Quality Prediction on Mobile Cloud Gaming Content},
author = {Yu-Chih Chen and Avinab Saha and Chase Davis and Bo Qiu and Xiaoming Wang and Rahul Gowda and Ioannis Katsavounidis and Alan C. Bovik},
journal= {arXiv preprint arXiv:2305.02422},
year = {2023}
}
备注
Accepted to IEEE SPL 2023. The implementation of GAMIVAL has been made available online: https://github.com/lskdream/GAMIVAL