AIS 2024 Challenge on Video Quality Assessment of User-Generated Content: Methods and Results

本文回顾了AIS 2024视频质量评估（VQA）挑战赛，重点关注用户生成内容（UGC）。该挑战的目的是收集能够估计UGC视频感知质量的基于深度学习的方法。来自YouTube UGC数据集的用户生成视频包括各种内容（体育、游戏、歌词、动漫等）、质量和分辨率。所提出的方法必须在1秒内处理30个FHD帧。在挑战赛中，共有102名参赛者注册，其中15名提交了代码和模型。本文回顾了前5个提交的表现，并提供了一个多样化的深度模型调查，以有效评估用户生成内容的视频质量。

本论文旨在解决基于用户生成内容（UGC）的视频质量评估问题，即如何使用深度学习方法来评估UGC视频的感知质量。

本文提出了一种处理30个FHD帧的方法，通过对来自YouTube UGC数据集的UGC视频进行深度学习处理，实现了高效的视频质量评估。

本论文提出的方法在AIS 2024 VQA Challenge中取得了较好的成绩，展示了其在处理用户生成内容视频方面的有效性。此外，论文使用的数据集包含多样的UGC视频，包括不同内容、质量和分辨率的视频，增加了实验的可靠性。

最近的相关研究包括：1. "Video Quality Assessment of User-Generated Content: A Survey"；2. "Deep Learning Based Video Quality Assessment: A Review"。