预测含预存失真压缩视频的质量
图像与视频处理
2021-09-15 v1
摘要
过去十年中，在线视频产业大幅扩展了经互联网流式传输与共享的视觉数据量。此外，由于视频捕获日益便捷，数以百万计的消费者创作并上传大量用户生成内容（UGC）视频。与专业摄影者制作的专业流式电视或电影内容不同，UGC 视频最常由技巧有限、手法不熟的一般用户捕获，常受高度多样且混合的捕获中失真影响。这些 UGC 视频随后常被上传至云服务器共享，并在那里进一步压缩以存储和传输。本文解决一个极具实用性的问题：仅以（可能严重）失真的 UGC 视频作为参考，预测压缩视频的质量（或许在压缩过程中进行预测以辅助引导）。为此，我们开发了称为 1stepVQA 的新型视频质量评估（VQA）框架（以区别于我们讨论的两步法）。1stepVQA 通过利用自然视频与失真视频的统计规律性，克服了全参考、半参考和无参考 VQA 模型的局限。我们表明，在给定不完美参考视频时，1stepVQA 能更准确地预测压缩视频质量。我们还描述了一个包含（典型失真的）UGC 参考视频及其大量压缩版本的新专用视频数据库。我们显示在此场景下 1stepVQA 模型优于其他 VQA 模型。我们正于 https://live.ece.utexas.edu/research/onestep/index.html 免费提供该专用新数据库。
引用
@article{arxiv.2004.02943,
title = {Predicting the Quality of Compressed Videos with Pre-Existing Distortions},
author = {Xiangxu Yu and Neil Birkbeck and Yilin Wang and Christos G. Bampis and Balu Adsumilli and Alan C. Bovik},
journal= {arXiv preprint arXiv:2004.02943},
year = {2021}
}