视频质量评估：综合综述

视频质量评估（VQA）是一个重要的处理任务，旨在以高度符合人类感知质量判断方式的方式预测视频质量。传统基于自然图像和/或视频统计的VQA模型受到投影到真实世界图像模型和人类视觉系统双模型的启发，仅能在真实世界用户生成内容（UGC）上实现有限的预测性能，如最新大规模VQA数据库中所示，后者包含大量来自网络爬取的多样化视频内容。值得欣慰的是，近期深度神经网络和大型多模态模型（LMM）的进展显著推动了解决这一问题的进程，取得了比先前手工模型更好的结果。大量基于深度学习的VQA模型已被开发出来，推动这一方向的进展得益于内容多样化、大规模人工标注数据库的创建，这些数据库提供了ground truth心理测量视频质量数据。本文综述了近期VQA算法发展进展，以及使其成为可能的基准测试研究和数据库。我们还分析了在研究设计和VQA算法架构方面的开放研究方向。GitHub链接：https://github.com/taco-group/Video-Quality-Assessment-A-Comprehensive-Survey。