本文探讨了无参考视频质量评估（NR VQA）问题，提出了ReLaX-VQA和FAST-VQA等多种模型，利用深度学习技术提高视频质量评估的准确性。研究创建了包含39,000个失真视频的数据库，并在多个UGC数据集上验证了模型的优越性，显示出良好的应用前景。

本文综述视频与图像质量评估研究，重点介绍无参考视频质量评估。提出学习时空有效特征，结合高斯分布约束与金字塔时间聚合，实现跨内容、分辨率和帧率的高泛化，跨数据集性能优于现有方法。此外介绍VQT、时空注意力网络及基于对比学习的SaTQA等模型，并提及大规模失真视频数据库建设。