印度社交媒体视频质量的主观与客观分析
图像与视频处理
2024-01-08 v1 计算机视觉与模式识别
摘要
我们对来自印度社交媒体平台 ShareChat 的一组移动原生视频进行了大规模的主观研究，评估用户生成移动视频内容的感知质量。志愿者受试者在受控实验室条件下观看的内容，有助于使现有的用户生成内容（UGC）视频质量数据集在文化上更加多样化。鉴于视觉互联网和社交媒体平台在全球范围内的爆炸式增长，迫切需要大型且多样化的 UGC-VQA 数据集。对于智能手机拍摄的视频而言，这一点在印度等快速新兴经济体中尤为如此。ShareChat 为用户提供了一个安全且面向文化的社区空间，供其使用首选的印度语言和方言生成及分享内容。基于此数据的主观质量研究，为视频质量研究社区在文化、视觉和语言多样化方面提供了助力。我们期望这一新数据资源还能用于开发能够预测印度社交媒体视频感知视觉质量的系统，以控制流媒体的缩放和压缩协议，提供更好的用户推荐，并指导内容分析与处理。我们通过在该数据上研究领先的盲视频质量模型（包括一种名为 MoEVA 的新模型，该模型部署专家混合机制来预测视频质量）展示了新数据资源的价值。新的 LIVE-ShareChat 数据集和 MoEVA 的示例源代码已在 https://github.com/sandeep-sm/LIVE-SC 向研究社区免费提供。
引用
@article{arxiv.2401.02794,
title = {Subjective and Objective Analysis of Indian Social Media Video Quality},
author = {Sandeep Mishra and Mukul Jha and Alan C. Bovik},
journal= {arXiv preprint arXiv:2401.02794},
year = {2024}
}
备注
Submitted to the IEEE Transactions on Image Processing