ReLaX-VQA: 提升视频质量评估的残差模块和层堆叠提取
原文中文，约300字，阅读约需1分钟。发表于：。通过分析视频片段的残差帧、光流和采样帧的空间特征表达，利用深度神经网络中的层叠技术，提出了 ReLaX-VQA 模型，以解决无参考视频质量评估的挑战并增强其抽象能力。在四个 UGC 数据集上进行了广泛测试，验证了 ReLaX-VQA 在 NR-VQA 方法中的优越性，平均 SRCC 值为 0.8658，PLCC 值为 0.8872。我们将开源代码和训练模型以促进进一步的研究和应用。
ReLaX-VQA是一种用于无参考视频质量评估的模型，通过分析视频片段的残差帧、光流和采样帧的空间特征表达，并利用深度神经网络中的层叠技术来增强其抽象能力。在四个UGC数据集上进行了广泛测试，结果显示ReLaX-VQA在NR-VQA方法中表现优越，平均SRCC值为0.8658，PLCC值为0.8872。该模型的开源代码和训练模型也已提供，以促进进一步的研究和应用。
