論文の概要: Study on the Assessment of the Quality of Experience of Streaming Video
- arxiv url: http://arxiv.org/abs/2012.04623v1
- Date: Tue, 8 Dec 2020 18:46:09 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-17 01:58:11.237414
- Title: Study on the Assessment of the Quality of Experience of Streaming Video
- Title（参考訳）: ストリーミング映像の体験の質評価に関する研究
- Authors: Aleksandr Ivchenko, Pavel Kononyuk, Alexander Dvorkovich, Liubov
Antiufrieva
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 117.44028458220427
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Dynamic adaptive streaming over HTTP provides the work of most multimedia
services, however, the nature of this technology further complicates the
assessment of the QoE (Quality of Experience). In this paper, the influence of
various objective factors on the subjective estimation of the QoE of streaming
video is studied. The paper presents standard and handcrafted features, shows
their correlation and p-Value of significance. VQA (Video Quality Assessment)
models based on regression and gradient boosting with SRCC reaching up to
0.9647 on the validation subsample are proposed. The proposed regression models
are adapted for applied applications (both with and without a reference video);
the Gradient Boosting Regressor model is perspective for further improvement of
the quality estimation model. We take SQoE-III database, so far the largest and
most realistic of its kind. The VQA (video quality assessment) models are
available at https://github.com/AleksandrIvchenko/QoE-assesment
- Abstract（参考訳）: HTTP上の動的適応ストリーミングは、ほとんどのマルチメディアサービスの作業を提供するが、この技術の性質はQoE(Quality of Experience)の評価をさらに複雑にする。
本稿では,ストリーミングビデオのQoEの主観的推定に対する種々の目的因子の影響について検討する。
本論文は標準的かつ手作りの特徴を示し,それらの相関と意義のp-値を示す。
SRCCによる回帰と勾配向上に基づくVQAモデルが検証サブサンプルで最大0.9647に達することを提案している。
提案した回帰モデルは応用アプリケーションに適用され(参照ビデオと非参照ビデオの両方)、グラディエントブースティング回帰モデルは品質推定モデルをさらに改善するための視点である。
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。
VQA(ビデオ品質評価)モデルはhttps://github.com/AleksandrIvchenko/QoE-assesmentで利用可能である。
関連論文リスト
- Subjective and Objective Quality-of-Experience Evaluation Study for Live Video Streaming [51.712182539961375]
ライブビデオストリーミングにおける主観的および客観的QoE評価の総合的研究を行う。
主観的なQoE研究のために、最初のライブビデオストリーミングQoEデータセットであるTaoLive QoEを紹介する。
TaoLive QoEデータセットの主観的QoEスコアを導出するために人間による研究を行った。
マルチスケールな意味的特徴と光フローに基づく動作特徴を統合したエンドツーエンドQoE評価モデルTao-QoEを提案する。
論文 参考訳（メタデータ） (2024-09-26T07:22:38Z) - Opinion-Unaware Blind Image Quality Assessment using Multi-Scale Deep Feature Statistics [54.08757792080732]
我々は,事前学習された視覚モデルからの深い特徴を統計的解析モデルと統合して,意見認識のないBIQA(OU-BIQA)を実現することを提案する。
提案モデルは,最先端のBIQAモデルと比較して,人間の視覚的知覚との整合性に優れる。
論文 参考訳（メタデータ） (2024-05-29T06:09:34Z) - 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) - Ada-DQA: Adaptive Diverse Quality-aware Feature Acquisition for Video
Quality Assessment [25.5501280406614]
近年,映像品質評価 (VQA) が注目されている。
大規模VQAデータセットのアノテートに大きな費用が、現在のディープラーニング手法の主な障害となっている。
Ada-DQA(Adaptive Diverse Quality-Aware Feature Acquisition)フレームワークは、望ましい品質関連の特徴を捉えるために提案されている。
論文 参考訳（メタデータ） (2023-08-01T16:04:42Z) - CONVIQT: Contrastive Video Quality Estimator [63.749184706461826]
知覚ビデオ品質評価(VQA)は、多くのストリーミングおよびビデオ共有プラットフォームにおいて不可欠な要素である。
本稿では,視覚的に関連のある映像品質表現を自己指導的に学習する問題について考察する。
本研究は, 自己教師型学習を用いて, 知覚力による説得力のある表現が得られることを示す。
論文 参考訳（メタデータ） (2022-06-29T15:22:01Z) - 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) - A Brief Survey on Adaptive Video Streaming Quality Assessment [30.253712568568876]
適応型ビデオストリーミングにおける品質・オブ・エクスペリエンス(QoE)の評価は,高度ネットワーク管理システムにおいて重要な役割を担っている。
我々は、適応的なビデオストリーミングのための機械学習技術を用いて、客観的QoEアセスメントモデルの様々なバリエーションを分析し、比較する。
既存のビデオストリーミングQoEアセスメントモデルにはまだ性能が限られており,実用的な通信システムに適用することは困難である。
論文 参考訳（メタデータ） (2022-02-25T21:38:14Z) - UGC-VQA: Benchmarking Blind Video Quality Assessment for User Generated
Content [59.13821614689478]
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。
論文 参考訳（メタデータ） (2020-05-29T00:39:20Z)
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。