SB-VQA：一种面向视频增强的基于栈的视频质量评估框架
计算机视觉与模式识别
2023-05-16 v1 图像与视频处理
摘要
近年来，多种视频质量评估（VQA）方法被提出，并取得了高性能。然而，这些方法并非专门针对增强视频训练，这限制了其基于人类主观感知准确预测视频质量的能力。为解决该问题，我们提出了一种基于栈的 VQA 框架，在由增强视频构成的 VDPVE 数据集上优于现有的最先进（state-of-the-art, SOTA）方法。除提出面向增强视频的 VQA 框架外，我们还探究了其在专业生成内容（PGC）上的应用。为解决优质内容的版权问题，我们创建了 PGCVQ 数据集，其由来自 YouTube 的视频组成。我们在 PGCVQ 上评估了所提方法与最先进方法，并对结果给出了新的见解。实验表明，现有 VQA 算法可应用于 PGC 视频，且我们发现通过考虑剧情的情节可提升 PGC 视频的 VQA 性能，这凸显了视频语义理解的重要性。
引用
@article{arxiv.2305.08408,
title = {SB-VQA: A Stack-Based Video Quality Assessment Framework for Video Enhancement},
author = {Ding-Jiun Huang and Yu-Ting Kao and Tieh-Hung Chuang and Ya-Chun Tsai and Jing-Kai Lou and Shuen-Huei Guan},
journal= {arXiv preprint arXiv:2305.08408},
year = {2023}
}
备注
CVPR NTIRE 2023