利用非线性自回归外生神经网络与比特流参数改进视听质量估计
图像与视频处理
2024-02-29 v1 声音
音频与语音处理
摘要
随着对视音频服务需求的增加，电信服务提供商和应用开发者必须确保其服务提供最佳的用户体验。特别是视频会议等服务对网络条件非常敏感。因此，应实时监测其性能，以便针对任何网络扰动调整参数。本文开发了一种用于估计视频会议服务中感知视听质量的参数模型。该模型基于非线性自回归外生（NARX）循环神经网络构建，并以平均意见得分（MOS）来估计感知质量。我们使用公开的 INRS 比特流视听质量数据集验证了该模型。该数据集包含每帧丢失率、比特率和视频时长等比特流参数。我们将所提模型与基于机器学习的最新方法进行了比较，结果显示我们的模型在均方误差（MSE=0.150）和皮尔逊相关系数（R=0.931）方面均优于这些方法。
引用
@article{arxiv.2402.18056,
title = {Improvement Of Audiovisual Quality Estimation Using A Nonlinear Autoregressive Exogenous Neural Network And Bitstream Parameters},
author = {Koffi Kossi and Stephane Coulombe and Christian Desrosiers and Ghyslain Gagnon},
journal= {arXiv preprint arXiv:2402.18056},
year = {2024}
}