学习扫描路径辅助盲全景视频质量评估

全景视频具有提供沉浸式和交互式观看体验的优势。然而，其球形特性导致了多样且不确定的用户观看行为，这对全景视频质量评估（PVQA）提出了重大挑战。在这项工作中，我们提出了一种端到端优化的、盲全景视频质量评估方法，通过视觉扫描路径显式建模用户观看模式。我们的方法由两个模块组成：扫描路径生成器和质量评估器。扫描路径生成器最初通过最小化预期编码长度来训练预测未来扫描路径，然后与质量评估器联合优化以进行质量预测。我们的盲PVQA方法通过将全景图像视为由相同帧组成的视频，实现了对全景图像的直接质量评估。在三个包含合成和真实失真的公开全景图像和视频质量数据集上的实验验证了我们的盲PVQA模型相对于现有方法的优越性。