野外虚拟现实视频的感知质量评估

研究人们在野外（即由日常用户捕获的）虚拟现实（VR）视频上的感知方式，是 VR 相关应用中一项关键且具挑战性的任务，其原因在于复杂的、在时空上局域化的真实失真。现有全景视频数据库仅考虑合成失真、假定固定观看条件且规模有限。为克服这些缺陷，我们构建了野外 VR 视频质量（VRVQW）数据库，包含 $502$ 个具有多样内容与失真特征的用户生成视频。基于 VRVQW，我们开展了正式的心理物理实验，在两种不同观看条件下记录 139 名受试者的扫描路径与感知质量分数。我们对所记录数据进行了详尽的统计分析，观察到观看条件对人类扫描路径与感知质量均有显著影响。此外，我们基于伪圆柱表示与卷积开发了针对 VR 视频的客观质量评估模型。在所提 VRVQW 上的结果表明，我们的方法优于现有视频质量评估模型。我们已在 https://github.com/limuhit/VR-Video-Quality-in-the-Wild 公开数据库与代码。