NTIRE 2025 用户生成内容视频增强挑战：方法与结果
计算机视觉与模式识别
2025-05-07 v1
摘要
本文概述了 NTIRE 2025 用户生成内容视频增强挑战。该挑战构建了一套 150 个无参考真值的用户生成内容视频，这些视频遭受噪声、模糊、颜色褪色、压缩伪影等真实世界退化。参与者的目标是开发能够提升此类视频视觉质量的算法。鉴于用户生成内容在短视频平台上的广泛使用，该任务具有重要的实际意义。评估基于众包的主观质量评估，获得了超过 8000 名评估者的投票。该挑战吸引了超过 25 个团队提交解决方案，其中 7 个通过了最终阶段的源代码验证。结果可为用户生成内容视频增强的现状提供见解，并突出该新兴研究领域的趋势和有效策略。所有数据，包括处理后的视频、主观比较投票和分数，均在 https://github.com/msu-video-group/NTIRE25_UGC_Video_Enhancement 公开。
引用
@article{arxiv.2505.03007,
title = {NTIRE 2025 Challenge on UGC Video Enhancement: Methods and Results},
author = {Nikolay Safonov and Alexey Bryncev and Andrey Moskalenko and Dmitry Kulikov and Dmitry Vatolin and Radu Timofte and Haibo Lei and Qifan Gao and Qing Luo and Yaqing Li and Jie Song and Shaozhe Hao and Meisong Zheng and Jingyi Xu and Chengbin Wu and Jiahui Liu and Ying Chen and Xin Deng and Mai Xu and Peipei Liang and Jie Ma and Junjie Jin and Yingxue Pang and Fangzhou Luo and Kai Chen and Shijie Zhao and Mingyang Wu and Renjie Li and Yushen Zuo and Shengyun Zhong and Zhengzhong Tu},
journal= {arXiv preprint arXiv:2505.03007},
year = {2025}
}