感知视频质量的大规模研究
图像与视频处理
2018-11-06 v2
摘要
摄影技巧、摄像机设计、压缩与处理协议以及显示设备的巨大差异导致了极其多样的视频损伤。当前的无参考（NR）视频质量模型无法应对这种失真多样性。这部分是因为现有的视频质量评估数据库包含的内容非常有限、分辨率固定、由少数摄像设备由少数摄影者捕获，并且仅经历了少量失真。因此，这些数据库未能充分代表真实世界视频，后者包含在不同成像条件下获得的非常不同的内容，并承受着真实的、常常混合且无法模拟的失真。结果，在真实世界视频数据上测试的无参考视频质量预测器常常表现不佳。为推动无参考视频质量预测的发展，我们构建了一个大规模视频质量评估数据库，包含 585 个独特内容视频，由大量用户捕获，具有广泛程度的复杂真实失真。我们通过众包收集了大量主观视频质量分数。共有 4776 名独特参与者参与了该研究，产生了超过 205000 个意见分数，平均每个视频记录 240 个人类意见。我们通过在 LIVE-VQC（我们称之为 LIVE 视频质量挑战数据库）上对比领先的 NR 视频质量预测器，展示了这一新资源的价值。该研究是迄今沿若干关键维度开展的最大视频质量评估研究：独特内容数、捕获设备数、失真类型与失真组合、研究参与者数以及记录的主观分数数。该数据库可在此链接下载：http://live.ece.utexas.edu/research/LIVEVQC/index.html 。
引用
@article{arxiv.1803.01761,
title = {Large-Scale Study of Perceptual Video Quality},
author = {Zeina Sinno and Alan C. Bovik},
journal= {arXiv preprint arXiv:1803.01761},
year = {2018}
}