CVPR 2024 | Modular Blind Video Quality Assessment：模块化无参视频质量评估
💡
原文中文，约2700字，阅读约需7分钟。
📝
内容提要
本文提出了一种模块化BVQA模型，用于视频质量评估。该模型包括基础质量预测模块、空域矫正模块和时域矫正模块，能够准确评估视频质量的视觉内容和失真、空域分辨率和时域帧率变化。实验结果表明，该模型在专业生成的内容和用户生成的内容上表现优于当前方法。模型还可以轻松添加其他与质量相关的视频属性。
🎯
关键要点
- 提出了一种模块化BVQA模型，用于视频质量评估。
- 模型包括基础质量预测模块、空域矫正模块和时域矫正模块。
- 模型能够准确评估视频质量的视觉内容和失真、空域分辨率和时域帧率变化。
- 实验结果显示该模型在专业生成和用户生成内容上表现优于当前方法。
- 模块化设计允许轻松添加其他与质量相关的视频属性。
- 研究表明更高的空域分辨率和帧速率对视频主观画质有积极影响。
- 早期的BVQA模型将空域分辨率和帧速率作为输入，但与感知质量相关性较低。
- 基于CNN的BVQA方法面临计算复杂度高的问题，尤其在处理高分辨率和高帧率视频时。
- 提出的模块化BVQA模型通过三个模块有效评估视频质量。
- 实验结果表明空域和时域矫正模块能有效感知视频质量影响。
- 模型的模块化设计提供了对UGC数据库中主要失真类型的全面理解。
- 火山引擎多媒体实验室致力于多媒体领域的前沿技术研究。
➡️
