从噪声测量中恢复主观质量评分

简单的质量指标如 PSNR 已知在跨广泛视频内容或质量区间测试时与主观质量相关性不好。最近，已努力设计基于主观数据训练的客观质量指标（例如 VMAF），展示出与人工感知视频质量更好的相关性。显然，此类指标的准确性严重依赖于其训练所基于的主观数据质量。本文中，我们提出一种从噪声原始测量中恢复主观质量评分的新方法，使用最大似然估计，通过联合估计受损视频的主观质量、测试主体的偏差与一致性以及视频内容的模糊性。我们还推导了每个估计的置信区间的闭式表达式。与先前部分利用主观信息的方法相比，我们的方法能够充分利用信息，产生更紧的置信区间并更好地处理离群值，且无需 z-scoring 或主体拒绝。它也更优雅地处理缺失数据。最后，作为侧面信息，它提供了关于测试主体和视频内容的有趣见解。