論文の概要: UGC-VQA: Benchmarking Blind Video Quality Assessment for User Generated Content

• arxiv url: http://arxiv.org/abs/2005.14354v2
• Date: Sat, 17 Apr 2021 04:40:56 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-26 23:49:46.423248
• Title: UGC-VQA: Benchmarking Blind Video Quality Assessment for User Generated Content
• Title（参考訳）: UGC-VQA:ユーザ生成コンテンツのブラインドビデオ品質評価のベンチマーク
• Authors: Zhengzhong Tu, Yilin Wang, Neil Birkbeck, Balu Adsumilli, and Alan C. Bovik
• Abstract要約: コンテンツの品質劣化は予測不能で、複雑で、しばしば開始されるため、Wild動画のブラインド品質の予測は非常に難しい。 ここでは、主要なVQAモデルの包括的評価を行うことにより、この問題の進展に寄与する。 先行するVQAモデルの特徴の上に特徴選択戦略を適用することで,先行するモデルが使用する統計的特徴のうち60点を抽出することができる。 我々の実験結果から,VIDEVALは,他の先行モデルよりも計算コストがかなり低く,最先端の性能を達成できることが示唆された。
• 参考スコア（独自算出の注目度）: 59.13821614689478
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Recent years have witnessed an explosion of user-generated content (UGC) videos shared and streamed over the Internet, thanks to the evolution of affordable and reliable consumer capture devices, and the tremendous popularity of social media platforms. Accordingly, there is a great need for accurate video quality assessment (VQA) models for UGC/consumer videos to monitor, control, and optimize this vast content. Blind quality prediction of in-the-wild videos is quite challenging, since the quality degradations of UGC content are unpredictable, complicated, and often commingled. Here we contribute to advancing the UGC-VQA problem by conducting a comprehensive evaluation of leading no-reference/blind VQA (BVQA) features and models on a fixed evaluation architecture, yielding new empirical insights on both subjective video quality studies and VQA model design. By employing a feature selection strategy on top of leading VQA model features, we are able to extract 60 of the 763 statistical features used by the leading models to create a new fusion-based BVQA model, which we dub the \textbf{VID}eo quality \textbf{EVAL}uator (VIDEVAL), that effectively balances the trade-off between VQA performance and efficiency. Our experimental results show that VIDEVAL achieves state-of-the-art performance at considerably lower computational cost than other leading models. Our study protocol also defines a reliable benchmark for the UGC-VQA problem, which we believe will facilitate further research on deep learning-based VQA modeling, as well as perceptually-optimized efficient UGC video processing, transcoding, and streaming. To promote reproducible research and public evaluation, an implementation of VIDEVAL has been made available online: \url{https://github.com/tu184044109/VIDEVAL_release}.
• Abstract（参考訳）: 近年、安価で信頼性の高いコンシューマー・キャプチャー・デバイスの進化とソーシャルメディアプラットフォームの人気のおかげで、インターネット上で共有されストリーミングされるユーザー生成コンテンツ(ugc)ビデオが爆発的に増えている。 したがって、この膨大なコンテンツを監視、制御、最適化するために、UGC/コンシューマービデオの正確なビデオ品質評価(VQA)モデルが必要である。 UGCコンテンツの品質劣化は予測不可能で、複雑で、しばしば開始されるため、Wildビデオの品質予測は非常に難しい。 本稿では,映像品質研究とVQAモデル設計の両面での新たな経験的洞察を得ることにより,VQAの非参照/盲点VQA(No-Reference/blind VQA)特徴とモデルを固定評価アーキテクチャ上で総合的に評価することにより,UGC-VQA問題の進展に寄与する。 先行するVQAモデル機能の上に特徴選択戦略を適用することで,先導モデルが使用する763個の統計特徴のうち60個の特徴を抽出し,新しい融合ベースのBVQAモデルを作成することができる。 実験の結果,videvalは他の先行モデルに比べて計算コストがかなり低く,最先端の性能を達成できた。 我々の研究プロトコルは、UGC-VQA問題に対する信頼性の高いベンチマークも定義しており、深層学習に基づくVQAモデリングのさらなる研究や、知覚的に最適化された効率的なUGCビデオ処理、トランスコーディング、ストリーミングを促進すると信じている。 再現可能な研究と公開評価を促進するために、VIDEVALの実装がオンラインで公開されている。

関連論文リスト

• Benchmarking AIGC Video Quality Assessment: A Dataset and Unified Model [54.69882562863726]
  主観的および客観的品質評価の観点からAIGC-VQA問題を体系的に検討する。 我々は,空間的品質,時間的品質,テキスト・ツー・ビデオアライメントの3次元から,AIGCビデオの知覚品質を評価する。 本稿では,AIGCビデオの品質を包括的かつ正確に評価するUnify Generated Video Quality Assessment (UGVQ)モデルを提案する。
  論文  参考訳（メタデータ） (2024-07-31T07:54:26Z)
• ReLaX-VQA: Residual Fragment and Layer Stack Extraction for Enhancing Video Quality Assessment [35.00766551093652]
  本稿では, NR-VQA(No-Reference Video Quality Assessment)モデルであるReLaX-VQAを提案する。 ReLaX-VQAは、残留フレームと光学フローの断片と、サンプルフレームの空間的特徴の異なる表現を用いて、動きと空間的知覚を高める。 我々は、NR-VQAのさらなる研究と応用を促進するために、コードをオープンソース化し、訓練されたモデルを公開します。
  論文  参考訳（メタデータ） (2024-07-16T08:33:55Z)
• CLIPVQA:Video Quality Assessment via CLIP [56.94085651315878]
  VQA問題(CLIPVQA)に対する効率的なCLIPベースのトランスフォーマー手法を提案する。 提案したCLIPVQAは、新しい最先端のVQAパフォーマンスを実現し、既存のベンチマークVQAメソッドよりも最大で37%の汎用性を実現している。
  論文  参考訳（メタデータ） (2024-07-06T02:32:28Z)
• Enhancing Blind Video Quality Assessment with Rich Quality-aware Features [79.18772373737724]
  ソーシャルメディアビデオの視覚的品質評価(BVQA)モデルを改善するための,シンプルだが効果的な手法を提案する。 本稿では,BIQAモデルとBVQAモデルを用いて,事前学習したブラインド画像品質評価(BIQA)から,リッチな品質認識機能について検討する。 実験により,提案モデルが3つのソーシャルメディアVQAデータセット上で最高の性能を発揮することが示された。
  論文  参考訳（メタデータ） (2024-05-14T16:32:11Z)
• Analysis of Video Quality Datasets via Design of Minimalistic Video Quality Models [71.06007696593704]
  BVQA(Blind Quality Assessment)は、実世界のビデオ対応メディアアプリケーションにおけるエンドユーザの視聴体験の監視と改善に不可欠である。 実験分野として、BVQAモデルの改良は、主に数個の人間の評価されたVQAデータセットに基づいて測定されている。 最小主義的BVQAモデルを用いて,VQAデータセットの第一種計算解析を行う。
  論文  参考訳（メタデータ） (2023-07-26T06:38:33Z)
• SB-VQA: A Stack-Based Video Quality Assessment Framework for Video Enhancement [0.40777876591043155]
  本稿では,ビデオ品質評価(VQA)のためのスタックベースのフレームワークを提案する。 拡張ビデオのためのVQAフレームワークの提案に加えて、プロが生成するコンテンツ(PGC)に対するVQAの適用についても検討する。 実験により,既存のVQAアルゴリズムをPGCビデオに適用できることが実証された。
  論文  参考訳（メタデータ） (2023-05-15T07:44:10Z)
• A Deep Learning based No-reference Quality Assessment Model for UGC Videos [44.00578772367465]
  従来のビデオ品質評価(VQA)研究では、画像認識モデルまたは画像品質評価(IQA)モデルを使用して、品質回帰のためのビデオのフレームレベルの特徴を抽出している。 ビデオフレームの生画素から高品質な空間特徴表現を学習するために,エンドツーエンドの空間特徴抽出ネットワークを訓練する,非常に単純で効果的なVQAモデルを提案する。 より優れた品質認識機能により、単純な多層認識層(MLP)ネットワークのみを用いてチャンクレベルの品質スコアに回帰し、時間平均プーリング戦略を採用してビデオを得る。
  論文  参考訳（メタデータ） (2022-04-29T12:45:21Z)
• Study on the Assessment of the Quality of Experience of Streaming Video [117.44028458220427]
  本稿では,ストリーミング映像のQoEの主観的推定に対する様々な客観的要因の影響について検討する。 本論文では標準的および手作り的特徴を示し,その相関とp値を示す。 SQoE-IIIデータベースは、これまでで最大の、そして最も現実的なデータベースだ。
  論文  参考訳（メタデータ） (2020-12-08T18:46:09Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。