MD-VQA：面向 UGC 直播视频的多维质量评估
计算机视觉与模式识别
2023-04-20 v2
摘要
用户生成内容（UGC）直播视频在采集过程中常受各种失真干扰，从而表现出多样的视觉质量。这类源视频在分发至终端用户前，还会被媒体服务器提供商进一步压缩与转码。随着 UGC 直播视频的兴盛，需要有效的视频质量评估（VQA）工具来在分发过程中监控并从感知上优化直播流视频。本文通过构建首个同类主观 UGC 直播 VQA 数据库并开发有效的评估工具，解决 \textbf{UGC 直播 VQA} 问题。具体地，我们在真实直播场景中收集了 418 个源 UGC 视频，并生成了 3,762 个不同码率的压缩视频用于后续主观 VQA 实验。基于所建数据库，我们开发了 \underline{M}ulti-\underline{D}imensional \underline{VQA}（\textbf{MD-VQA}）评估器，分别从语义、失真和运动方面度量 UGC 直播视频的视觉质量。大量实验结果表明，MD-VQA 在我们的 UGC 直播 VQA 数据库和现有压缩 UGC VQA 数据库上均达到了最先进的性能。
引用
@article{arxiv.2303.14933,
title = {MD-VQA: Multi-Dimensional Quality Assessment for UGC Live Videos},
author = {Zicheng Zhang and Wei Wu and Wei Sun and Dangyang Tu and Wei Lu and Xiongkuo Min and Ying Chen and Guangtao Zhai},
journal= {arXiv preprint arXiv:2303.14933},
year = {2023}
}
备注
Accepted to CVPR2023