面向全参考视频质量评估的时空特征融合与模型集成
图像与视频处理
2018-04-16 v1 多媒体
摘要
感知视频质量评估模型可分为基于帧或基于视频两类，即它们通过时空滤波或运动估计来捕捉时间维度的视频失真。尽管基于视频的方法在视频质量数据库上表现良好，但其耗时较多且难以高效部署。为兼顾高性能与计算效率，Netflix 开发了 Video Multi-method Assessment Fusion (VMAF) 框架，该框架融合多种质量感知特征以预测视频质量。然而，该融合框架并未充分利用与视频时间失真相关的时间维度视频质量度量。为此，我们提出对 VMAF 框架的两项改进：SpatioTemporal VMAF 与 Ensemble VMAF。两种算法均利用高效的时间视频特征，并将其输入至单个或多个回归模型中。为训练我们的模型，我们设计了一个大规模主观数据库，并将所提模型与最先进的方法进行了评估对比。对比算法将作为开源包的一部分在 https://github.com/Netflix/vmaf 中提供。
引用
@article{arxiv.1804.04813,
title = {SpatioTemporal Feature Integration and Model Fusion for Full Reference Video Quality Assessment},
author = {Christos G. Bampis and Zhi Li and Alan C. Bovik},
journal= {arXiv preprint arXiv:1804.04813},
year = {2018}
}