跨越8位：HDR-UGC视频的主观与客观质量评估
计算机视觉与模式识别
2026-03-03 v1 人工智能
摘要
高动态范围（HDR）用户生成（UGC）视频正在快速增长，但大多数感知视频质量评估（VQA）系统仍针对标准动态范围（SDR）设计。HDR具有更高的位深、更宽的色域和更高的亮度范围，暴露了近黑色压碎、高光剪裁、频段带宽和曝光抖动等失真，这些失真放大了UGC特征，挑战性SDR模型。为推动进展，我们策划了Beyond8Bits，一个包含44K个视频（来自6.5K个来源）的大规模主观数据集，拥有超过150万张众包评分，涵盖多样场景、捕获条件和压缩设置。我们进一步引入HDR-Q，即首个针对HDR-UGC VQA的多模态大语言模型（MLLM）。我们提出（i）一种新颖的HDR感知视觉编码器，以产生HDR敏感嵌入；（ii）HDR感知策略优化（HAPO），一种基于强化学习的微调框架，通过HDR线索进行推理锚定。HAPO通过HDR-SDR对比性KL散度鼓励token依赖HDR输入，并通过高斯加权回归奖励实现细粒度MOS校准。在Beyond8Bits和公开HDR-VQA基准测试中，HDR-Q实现了最先进的性能。
引用
@article{arxiv.2603.00938,
title = {Seeing Beyond 8bits: Subjective and Objective Quality Assessment of HDR-UGC Videos},
author = {Shreshth Saini and Bowen Chen and Neil Birkbeck and Yilin Wang and Balu Adsumilli and Alan C. Bovik},
journal= {arXiv preprint arXiv:2603.00938},
year = {2026}
}