锐度对无参考视频质量评估影响的研究
图像与视频处理
2024-04-10 v1 计算机视觉与模式识别
摘要
引言：在当今时代，视频质量评估是一个重要的研究领域，视频是通信的关键组成部分，应用于各个领域。移动技术的快速发展使得任何人都能制作视频，导致视频质量场景的多样化。目的：尽管 VQA 已存在一段时间，并拥有如 SSIM 和 PSNR 等经典指标，但机器学习的出现带来了基于卷积神经网络或深度神经网络的新型 VQA 技术。方法：在过去几年中，各种研究（例如 BVQA）使用 DNN 对自然视频进行质量评估，揭示了机器学习算法的强大能力。基于 DNN 的 BVQA 探索了人类视觉系统效应，如内容依赖性和通常被称为时间效应的时间相关因素。结果：本研究探讨了锐度对 BVQA 等模型的影响。锐度是衡量视频图像清晰度和细节的指标。锐度通常涉及分析图像的边缘和对比度，以确定整体细节和锐度水平。结论：本研究使用了现有的视频质量数据库，如 CVD2014。在结论部分，展示了训练和测试期间各种机器学习参数（如 SRCC 和 PLCC）的比较研究。
引用
@article{arxiv.2404.05764,
title = {Study of the effect of Sharpness on Blind Video Quality Assessment},
author = {Anantha Prabhu and David Pratap and Narayana Darapeni and Anwesh P R},
journal= {arXiv preprint arXiv:2404.05764},
year = {2024}
}