学习广义时空深度特征表示用于无参考视频质量评价
图像与视频处理
2021-06-24 v2 计算机视觉与模式识别
摘要
本工作中，我们提出一种无参考视频质量评价方法，旨在跨内容、分辨率和帧率的质量预测中实现高泛化能力。具体地，我们通过学习时空域中的有效特征表示来评价视频质量。在空间域中，为应对分辨率与内容变化，我们对质量特征施加高斯分布约束。统一分布可显著减小不同视频样本间的域间隙，从而得到更泛化的质量特征表示。沿时间维度，受视觉感知机制启发，我们提出一种金字塔时间聚合模块，借助短程与长程记忆聚合帧级质量。实验表明，我们的方法在跨数据集设定下优于当前最优（SOTA）方法，且在数据集内设定下取得相当性能，证明了所提方法的高泛化能力。
引用
@article{arxiv.2012.13936,
title = {Learning Generalized Spatial-Temporal Deep Feature Representation for No-Reference Video Quality Assessment},
author = {Baoliang Chen and Lingyu Zhu and Guo Li and Hongfei Fan and Shiqi Wang},
journal= {arXiv preprint arXiv:2012.13936},
year = {2021}
}