Study of the effect of Sharpness on Blind Video Quality Assessment

2024年04月06日
  • 简介
    简介:视频质量评估(VQA)是现代社会中的重要研究领域之一,视频是与各个领域应用相关的关键组成部分。移动技术的快速发展使任何人都能够创建视频,从而导致了各种各样的视频质量场景。目标:虽然VQA已经存在了一段时间,使用的是像SSIM和PSNR这样的经典度量,但机器学习的出现带来了基于卷积神经网络(CNN)或深度神经网络(DNN)的新型VQA技术。方法:过去几年里,诸如BVQA之类的各种研究,使用DNN对基于自然的视频进行视频质量评估,展示了机器学习算法的强大能力。BVQA使用DNN探索了人类视觉系统的效应,如通常称为时间效应的内容依赖性和时间相关因素。结果:本研究探讨了像BVQA这样的模型对锐度的影响。锐度是视频图像清晰度和细节的测量。锐度通常涉及分析图像的边缘和对比度,以确定总体细节和锐度水平。结论:本研究使用现有的视频质量数据库,如CVD2014。在培训和测试期间,对各种机器学习参数(如SRCC和PLCC)进行了比较研究,并给出了结论。
  • 图表
  • 解决问题
    视频质量评估在现代通信中扮演着重要角色,本论文试图通过基于CNN或DNN的新技术解决视频质量评估中的问题,特别是针对锐度效果的影响。
  • 关键思路
    本论文提出了一种基于DNN的视频质量评估方法,探究了锐度效果对于模型的影响。
  • 其它亮点
    本论文使用CVD2014等现有视频质量数据库进行了实验,比较了训练和测试过程中的各种机器学习参数,如SRCC和PLCC。值得关注的是,本论文探究了锐度效果对于模型的影响,这是目前该领域的新颖研究方向。
  • 相关研究
    目前在该领域中,还有一些相关研究,如基于SSIM和PSNR的经典方法,以及利用DNN探究自然视频质量评估的BVQA等。
PDF
原文
点赞 收藏 评论 分享到Link

沙发等你来抢

去评论