基于学习的视频质量度量的视频压缩数据集与基准
计算机视觉与模式识别
2023-02-08 v2 多媒体
摘要
视频质量测量是视频处理中的关键任务。如今，许多新编码标准（如 AV1、VVC 和 LCEVC）的实现使用基于深度学习的解码算法，并以感知度量作为优化目标。但对现代视频与图像质量度量性能的调研通常采用使用较旧标准（如 AVC）压缩的视频。本文提出一个评估视频压缩的视频质量度量新基准。它基于一个由约 2,500 条使用不同标准（包括 AVC、HEVC、AV1、VP9 和 VVC）编码的流组成的新数据集。主观分数通过众包成对比较收集。所评估的度量的列表包含近期基于机器学习和神经网络的度量。结果表明，新的无参考度量与主观质量呈现高相关性，并接近顶级全参考度量的能力。
引用
@article{arxiv.2211.12109,
title = {Video compression dataset and benchmark of learning-based video-quality metrics},
author = {Anastasia Antsiferova and Sergey Lavrushkin and Maksim Smirnov and Alexander Gushchin and Dmitriy Vatolin and Dmitriy Kulikov},
journal= {arXiv preprint arXiv:2211.12109},
year = {2023}
}
备注
10 pages, 4 figures, 6 tables, 1 supplementary material