💡
原文中文，约2900字，阅读约需7分钟。
📝
内容提要
bilibili与上海交通大学联合发布全球首个大规模细粒度UGC视频质量评估数据库FineVD，并提出FineVQ模型，提供涵盖色彩、噪声等六个维度的视频质量评估，旨在提升UGC视频的质量监控与优化。
🎯
关键要点
-
bilibili与上海交通大学联合发布全球首个大规模细粒度UGC视频质量评估数据库FineVD。
-
FineVD数据库包含6,104条UGC视频，提供80w+的多维度细粒度质量评分与描述。
-
FineVQ模型支持质量评级、分数预测、问题归因三大功能，评估六个维度的质量。
-
FineVQ在FineVD及主流UGC-VQA数据集上表现出最佳性能，已被CVPR 2025正式接收。
-
FineVD视频收集过程遵循全面覆盖UGC场景和反映实际在线统计的原则。
-
FineVQ通过视觉特征提取、特征对齐融合和指令微调大语言模型进行多维度质量评估。
-
FineVQ在失真类型预测和质量分数预测上展示出优越性能，超越传统和深度学习方法。
-
FineVD数据集的多样性和广泛分布增强了FineVQ模型的泛化能力。
❓
延伸问答
FineVD数据库包含多少条UGC视频？
FineVD数据库包含6,104条UGC视频。
FineVQ模型的主要功能是什么？
FineVQ模型支持质量评级、分数预测和问题归因三大功能。
FineVD数据库是如何收集视频的？
FineVD数据库通过手动筛选，确保视频场景和质量属性的多样性，覆盖广泛的UGC场景和不同的失真。
FineVQ模型在视频质量评估中表现如何？
FineVQ在FineVD及主流UGC-VQA数据集上表现出最佳性能，超越传统和深度学习方法。
FineVD数据库的多样性对FineVQ模型有什么影响？
FineVD数据集的多样性和广泛分布增强了FineVQ模型的泛化能力。
FineVQ模型是如何进行多维度质量评估的？
FineVQ通过视觉特征提取、特征对齐融合和指令微调大语言模型进行多维度质量评估。
➡️
