KVQ：快手短视频质量评价

以快手和TikTok为代表的短视频UGC视频平台，凭借用户友好的互动性和万花筒般的创作等优势，已成为一种新兴且不可替代的主流媒体形式。然而，不断发展的内容生成模式（如特效）和复杂的处理流程（如去伪影）给当前的UGC视频质量评价带来了显著挑战：(i) 模糊的内容阻碍了对质量决定区域的识别。(ii) 多样且复杂的混合失真难以区分。为应对上述挑战并助力短视频的发展，我们构建了首个大规模万花筒短视频质量评价数据库，命名为KVQ，其中包含600个用户上传的短视频和3600个经过多样化实际处理流程（包括预处理、转码和增强）处理的视频。其中，每个视频的绝对质量分数以及难以区分样本间的部分排序分数，均由一组专注于图像处理的专业研究人员提供。基于此数据库，我们提出了首个短视频质量评价器，即KSVQE，它使质量评价器能够利用大型视觉语言模型（即CLIP）的内容理解能力来识别质量决定语义，并通过失真理解模块来区分失真。实验结果证明了KSVQE在我们的KVQ数据库和流行的VQA数据库上的有效性。