LEHA-CVQAD：用于压缩性质量评估的大规模人工标注视频质量数据集
计算机视觉与模式识别
2025-07-09 v2
摘要
我们提出了LEHA-CVQAD（Large-scale Enriched Human-Annotated Compressed Video Quality Assessment）数据集，包含6240个片段，用于压缩导向的视频质量评估。59个源视频经编码，产生186种编解码器参数组合，186万对数据对，1.5千个MOS评级被融合为单个质量尺度；其中部分视频保留隐藏，用于盲评测试。我们还提出了率失真对齐误差（Rate-Distortion Alignment Error, RDAE）这一新评估指标，量化VQA模型在保留比特率-质量排序方面的表现，直接支持编解码器参数调优。测试IQA/VQA方法后发现，流行的VQA指标表现出高RDAE和较低相关性，凸显了数据集的挑战性和实用价值。LEHA-CVQAD的开放部分及其结果已公开于https://aleksandrgushchin.github.io/lcvqad/
引用
@article{arxiv.2507.03990,
title = {LEHA-CVQAD: Dataset To Enable Generalized Video Quality Assessment of Compression Artifacts},
author = {Aleksandr Gushchin and Maksim Smirnov and Dmitriy Vatolin and Anastasia Antsiferova},
journal= {arXiv preprint arXiv:2507.03990},
year = {2025}
}