压缩视频中条带伪影的主客观质量评估
计算机视觉与模式识别
2025-08-19 v2
摘要
尽管近年来视频压缩技术取得了显著进步，但条带伪影（banding artifacts）仍然是影响压缩视频质量的一个严重问题，尤其是在高清视频的平滑区域。在高清电视或高分辨率屏幕上观看时，明显的条带伪影会严重影响视频的感知质量。因此，迫切需要针对先进视频编解码器系统地研究条带视频质量评估问题。鉴于现有用于研究条带伪影的公开数据集仅限于静态图像数据，无法解释时间上的条带动态变化，我们创建了首个此类开放视频数据集，名为 LIVE-YT-Banding，该数据集包含使用 AV1 视频编解码器通过四种不同压缩参数生成的 160 个视频。我们从 45 名受试者中收集了总共 7200 条主观意见。为了证明这一新资源的价值，我们测试并比较了多种检测条带出现并衡量其对感知质量影响的模型。其中，我们引入了一种有效且高效的新型无参考（NR）视频质量评估器，我们称之为 CBAND。CBAND 利用了深度神经网络嵌入中表达的自然图像学习统计特性。我们的实验结果表明，CBAND 的感知条带预测性能显著超越了以往最先进的模型，并且速度也快了几个数量级。此外，CBAND 可被用作可微损失函数来优化视频去条带模型。LIVE-YT-Banding 数据库、代码和预训练模型均在 https://github.com/uniqzheng/CBAND 上公开可用。
引用
@article{arxiv.2508.08700,
title = {Subjective and Objective Quality Assessment of Banding Artifacts on Compressed Videos},
author = {Qi Zheng and Li-Heng Chen and Chenlong He and Neil Berkbeck and Yilin Wang and Balu Adsumilli and Alan C. Bovik and Yibo Fan and Zhengzhong Tu},
journal= {arXiv preprint arXiv:2508.08700},
year = {2025}
}