利用运动与深度联合统计的无参考立体视频质量评估
计算机视觉与模式识别
2017-11-16 v1 多媒体
摘要
我们提出一种无参考（NR）质量评估算法，用于评估自然立体3D（S3D）视频的感知质量。该工作受如下发现的启发：自然S3D视频的运动（光流或运动矢量幅度）与深度（视差图）子带系数的联合统计具有独特特征。具体而言，我们通过实验表明，S3D视频帧的运动与深度子带系数的联合统计可使用双变量广义高斯分布（BGGD）精确建模。接着我们证明，BGGD模型的参数具备辨别S3D视频质量变化的能力。因此，将BGGD模型参数用作运动与深度质量特征。除这些特征外，我们依赖使用鲁棒现成NR图像质量评估（IQA）算法计算的帧级空间质量特征。这些帧级运动、深度与空间特征被整合，并与相应S3D视频的差分平均意见得分（DMOS）标签一起用于基于支持向量回归（SVR）的监督学习。S3D视频的整体质量通过对组成视频帧的帧级质量预测取平均计算。所提算法称为利用运动与深度统计的视频质量评估（VQUEMODES），在IRCCYN与LFOVIA S3D主观质量评估数据库上评估时，其性能优于现有最优方法。
引用
@article{arxiv.1711.05480,
title = {No Reference Stereoscopic Video Quality Assessment Using Joint Motion and Depth Statistics},
author = {Appina Balasubramanyam and Jalli Akshith and Battula Shanmukh Srinivas and Channappayya S Sumohana},
journal= {arXiv preprint arXiv:1711.05480},
year = {2017}
}
备注
13 PAGES, 7 FIGURES, 7 TABLES