模块化盲视频质量评估

盲视频质量评估（BVQA）在评估和改善各种基于视频的平台和服务的最终用户观看体验中起着关键作用。当代基于深度学习的方法主要分析视频内容的严重降采样格式，而忽略了实际空间分辨率和帧率对视频质量的影响。在本文中，我们提出了一个模块化BVQA模型及其训练方法以提高其模块化程度。我们的模型包括一个基础质量预测器、一个空间校正器和一个时间校正器，分别响应视觉内容和失真、空间分辨率以及帧率变化对视频质量的影响。在训练过程中，空间和时间校正器以一定概率被丢弃，使基础质量预测器成为一个独立的BVQA模型，该模型在校正器存在时应能更好地工作。在专业生成内容和用户生成内容视频数据库上的大量实验表明，我们的质量模型达到了与当前方法相当或更优的性能。此外，我们模型的模块化提供了从空间和时间复杂性角度分析现有视频质量数据库的机会。