流媒体游戏视频的主客观质量分析
计算机视觉与模式识别
2022-03-25 v1 图像与视频处理
摘要
以流媒体与分享视频形式出现的在线用户生成内容(UGC)日益流行，加速了感知视频质量评估(VQA)模型的发展，可用于优化其传输。游戏视频是一类较新的UGC视频，由熟练玩家发布其游戏画面而成。此类UGC游戏视频截图在YouTube和Twitch等主流流媒体平台上已极为流行。合成生成的游戏内容对现有VQA算法(包括基于自然场景/视频统计模型的算法)提出了挑战。合成生成的游戏内容呈现出与自然视频不同的统计特性。已有若干研究致力于理解游戏视频流媒体、在线游戏与云游戏中出现的专业生成游戏视频的感知特征。然而，关于理解UGC游戏视频的质量及其表征与预测方法的研究甚少。为推动游戏视频VQA模型开发的进展，我们对UGC游戏视频上的主客观VQA模型进行了综合研究。为此，我们创建了一个名为LIVE-YouTube游戏视频质量(LIVE-YT-Gaming)数据库的新的UGC游戏视频资源，包含600个真实UGC游戏视频。我们对该数据进行了主观人类研究，获得由61名受试者记录的18,600个人类质量评分。我们还在新数据库上评估了多个当前最优(SOTA)VQA模型，包括一个基于自然视频统计与CNN学习特征的新模型GAME-VQP。为支持该领域工作，我们公开提供新的LIVE-YT-Gaming数据库，链接：https://live.ece.utexas.edu/research/LIVE-YT-Gaming/index.html。
引用
@article{arxiv.2203.12824,
title = {Subjective and Objective Analysis of Streamed Gaming Videos},
author = {Xiangxu Yu and Zhenqiang Ying and Neil Birkbeck and Yilin Wang and Balu Adsumilli and Alan C. Bovik},
journal= {arXiv preprint arXiv:2203.12824},
year = {2022}
}