論文の概要: Subjective and Objective Analysis of Streamed Gaming Videos
- arxiv url: http://arxiv.org/abs/2203.12824v1
- Date: Thu, 24 Mar 2022 03:02:57 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-25 14:41:20.313808
- Title: Subjective and Objective Analysis of Streamed Gaming Videos
- Title（参考訳）: ストリーミングゲームビデオの主観的・客観的解析
- Authors: Xiangxu Yu, Zhenqiang Ying, Neil Birkbeck, Yilin Wang, Balu Adsumilli
and Alan C. Bovik
- Abstract要約: ゲームビデオにおける主観的および客観的ビデオ品質評価(VQA)モデルについて検討する。
LIVE-YouTube Gaming Video Quality (LIVE-YT-Gaming) と呼ばれる新しいゲームビデオリソースを作成しました。
このデータについて主観的人間調査を行い,61名の被験者が記録した品質評価18,600名を得た。
- 参考スコア（独自算出の注目度）: 60.32100758447269
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The rising popularity of online User-Generated-Content (UGC) in the form of
streamed and shared videos, has hastened the development of perceptual Video
Quality Assessment (VQA) models, which can be used to help optimize their
delivery. Gaming videos, which are a relatively new type of UGC videos, are
created when skilled gamers post videos of their gameplay. These kinds of
screenshots of UGC gameplay videos have become extremely popular on major
streaming platforms like YouTube and Twitch. Synthetically-generated gaming
content presents challenges to existing VQA algorithms, including those based
on natural scene/video statistics models. Synthetically generated gaming
content presents different statistical behavior than naturalistic videos. A
number of studies have been directed towards understanding the perceptual
characteristics of professionally generated gaming videos arising in gaming
video streaming, online gaming, and cloud gaming. However, little work has been
done on understanding the quality of UGC gaming videos, and how it can be
characterized and predicted. Towards boosting the progress of gaming video VQA
model development, we conducted a comprehensive study of subjective and
objective VQA models on UGC gaming videos. To do this, we created a novel UGC
gaming video resource, called the LIVE-YouTube Gaming video quality
(LIVE-YT-Gaming) database, comprised of 600 real UGC gaming videos. We
conducted a subjective human study on this data, yielding 18,600 human quality
ratings recorded by 61 human subjects. We also evaluated a number of
state-of-the-art (SOTA) VQA models on the new database, including a new one,
called GAME-VQP, based on both natural video statistics and CNN-learned
features. To help support work in this field, we are making the new
LIVE-YT-Gaming Database, publicly available through the link:
https://live.ece.utexas.edu/research/LIVE-YT-Gaming/index.html .
- Abstract（参考訳）: ストリーミングおよび共有ビデオという形でオンラインユーザ生成コンテンツ(UGC)の人気が高まり、そのデリバリの最適化に役立つ知覚ビデオ品質評価(VQA)モデルの開発が加速した。
ゲームビデオは比較的新しいタイプのUGCビデオであり、熟練したゲーマーがゲームのビデオを投稿する際に作られる。
この種のUGCゲームプレイビデオのスクリーンショットは、YouTubeやTwitchなどの主要ストリーミングプラットフォームで非常に人気がある。
合成生成されたゲームコンテンツは、自然シーン/映像統計モデルに基づくものを含む既存のVQAアルゴリズムに課題をもたらす。
合成生成されたゲームコンテンツは、自然主義的なビデオとは異なる統計行動を示す。
ゲームビデオストリーミングやオンラインゲーム,クラウドゲームなどにおいて,プロが生成するゲームビデオの知覚的特性を理解するための研究が数多く行われている。
しかし、UGCゲームビデオの品質や、その特徴や予測方法の理解についてはほとんど研究されていない。
ゲームビデオVQAモデル開発の発展に向けて,UGCゲームビデオにおける主観的,客観的なVQAモデルの総合的研究を行った。
これを実現するために、私たちは、600の実際のugcゲームビデオからなる、live-youtube gaming video quality(live-yt-gaming)データベースと呼ばれる新しいugcゲームビデオリソースを作成しました。
このデータについて主観的人間調査を行い,61名の被験者が記録した品質評価18,600名を得た。
我々はまた、自然映像統計とCNN学習機能の両方に基づいて、GAME-VQPと呼ばれる新しいデータベースを含む、新しいデータベース上で多くの最先端(SOTA)VQAモデルを評価した。
この分野での作業を支援するため、新しいLIVE-YT-Gaming Databaseを作成しています。
関連論文リスト
- Beyond Raw Videos: Understanding Edited Videos with Large Multimodal Model [62.38322742493649]
我々は、編集カテゴリ、すなわちエフェクト、面白い、ミーム、ゲームをカバーするビデオVQAベンチマークを構築した。
オープンソースビデオのLMMのほとんどはベンチマークでは不十分であり、ソーシャルメディア上の編集されたショートビデオと通常の生ビデオの間に大きなドメインギャップがあることを示唆している。
LMMの一般化能力を向上させるため,Panda-70M/WebVid生ビデオとTikTok/CapCut編集ビデオの両方に基づいて,提案したベンチマークのトレーニングセットを収集した。
論文 参考訳（メタデータ） (2024-06-15T03:28:52Z) - AIS 2024 Challenge on Video Quality Assessment of User-Generated Content: Methods and Results [140.47245070508353]
本稿では,ユーザ生成コンテンツ(UGC)に着目したAIS 2024ビデオ品質アセスメント(VQA)チャレンジについてレビューする。
この課題の目的は、ビデオの知覚品質を推定できるディープラーニングベースの手法を収集することである。
YouTubeデータセットから生成されたビデオには、さまざまなコンテンツ(スポーツ、ゲーム、歌詞、アニメなど)、品質、解像度が含まれている。
論文 参考訳（メタデータ） (2024-04-24T21:02:14Z) - Study of Subjective and Objective Quality Assessment of Mobile Cloud
Gaming Videos [34.219234345158235]
本稿では,モバイル・クラウド・ゲーム・ビデオ品質評価(MCG-VQA)の多種多様なゲーム・ビデオに対する大規模主観的研究の結果について述べる。
LIVE-Meta Mobile Cloud Gaming (LIVE-Meta-MCG) という新しいデータセットを作成しました。
論文 参考訳（メタデータ） (2023-05-26T21:08:17Z) - GAMIVAL: Video Quality Prediction on Mobile Cloud Gaming Content [30.96557290048384]
我々はGAMIVAL(Gaming Video Quality Evaluator)と呼ばれるゲーム固有のNR VQAモデルを開発した。
サポートベクタ回帰(SVR)を回帰器として使用するGAMIVALは,新たなLIVE-Meta Mobile Cloud Gaming(LIVE-Meta MCG)ビデオ品質データベースにおいて,優れたパフォーマンスを実現している。
論文 参考訳（メタデータ） (2023-05-03T20:29:04Z) - GOAL: A Challenging Knowledge-grounded Video Captioning Benchmark for
Real-time Soccer Commentary Generation [75.60413443783953]
我々は,KGVC(Knowledge-grounded Video Captioning)として新たなタスク設定を提案するための,8.9k以上のサッカービデオクリップ,22kの文,42kの知識トリプルのベンチマークであるGOALを提案する。
私たちのデータとコードはhttps://github.com/THU-KEG/goal.orgで公開されています。
論文 参考訳（メタデータ） (2023-03-26T08:43:36Z) - Audio-Visual Quality Assessment for User Generated Content: Database and
Method [61.970768267688086]
既存のVQA研究の多くは、ユーザのQoEが付随する音声信号にも依存していることを無視して、ビデオの視覚的歪みのみに焦点を当てている。
SJTU-UAVデータベースと呼ばれる最初のAVQAデータベースを構築する。
また、サポートベクタ回帰器(SVR)を介して、一般的なVQA手法とオーディオ機能を融合したAVQAモデルのファミリーを設計する。
実験の結果,VQAモデルは,音声信号の助けを借りて,より正確な品質評価を行うことができた。
論文 参考訳（メタデータ） (2023-03-04T11:49:42Z) - Perceptual Quality Assessment of UGC Gaming Videos [60.68777545735441]
我々は、ゲームビデオの成功に特化して設計された新しいVQAモデルを作成しました。
GAME-VQPは、ゲームビデオのユニークな統計特性をうまく予測する。
どちらも他の主流の一般的なVQAモデルよりも優れており、ゲームビデオ用に特別に設計されたVQAモデルより優れている。
論文 参考訳（メタデータ） (2022-03-31T22:44:26Z) - CLIP meets GamePhysics: Towards bug identification in gameplay videos
using zero-shot transfer learning [4.168157981135698]
本稿では,関連するゲームプレイ映像を検索するために,英語のテキストクエリを入力として受け入れる検索手法を提案する。
われわれのアプローチは外部情報(ビデオメタデータなど)に頼らない。
我々のアプローチの例としては、ビデオゲームのバグを再現するためのゲームプレイ用ビデオ検索エンジンがある。
論文 参考訳（メタデータ） (2022-03-21T16:23:02Z) - Towards Deep Learning Methods for Quality Assessment of
Computer-Generated Imagery [2.580765958706854]
従来のビデオコンテンツとは対照的に、ゲームコンテンツはいくつかのゲームにおいて非常に高い動きのような特別な特徴を持つ。
本稿では,ゲーム品質評価のためのディープラーニングベースの品質指標を構築する計画について概説する。
論文 参考訳（メタデータ） (2020-05-02T14:08:39Z)
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。