論文の概要: Perceptual Quality Assessment of UGC Gaming Videos
- arxiv url: http://arxiv.org/abs/2204.00128v1
- Date: Thu, 31 Mar 2022 22:44:26 GMT
- ステータス: 処理完了
- システム内更新日: 2022-04-04 15:25:05.315390
- Title: Perceptual Quality Assessment of UGC Gaming Videos
- Title(参考訳): UGCゲーム映像の知覚品質評価
- Authors: Xiangxu Yu, Zhengzhong Tu, Neil Birkbeck, Yilin Wang, Balu Adsumilli
and Alan C. Bovik
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 60.68777545735441
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In recent years, with the vigorous development of the video game industry,
the proportion of gaming videos on major video websites like YouTube has
dramatically increased. However, relatively little research has been done on
the automatic quality prediction of gaming videos, especially on those that
fall in the category of "User-Generated-Content" (UGC). Since current leading
general-purpose Video Quality Assessment (VQA) models do not perform well on
this type of gaming videos, we have created a new VQA model specifically
designed to succeed on UGC gaming videos, which we call the Gaming Video
Quality Predictor (GAME-VQP). GAME-VQP successfully predicts the unique
statistical characteristics of gaming videos by drawing upon features designed
under modified natural scene statistics models, combined with gaming specific
features learned by a Convolution Neural Network. We study the performance of
GAME-VQP on a very recent large UGC gaming video database called
LIVE-YT-Gaming, and find that it both outperforms other mainstream general VQA
models as well as VQA models specifically designed for gaming videos. The new
model will be made public after paper being accepted.
- Abstract(参考訳): 近年、ビデオゲーム産業の活発な発展に伴い、youtubeのような主要ビデオサイトにおけるゲームビデオの割合は劇的に増加している。
しかし、ゲームビデオの自動品質予測に関する研究は、特に「ユーザー生成コンテンツ」(ugc)のカテゴリーに属するものについては、比較的少ない。
現在の一般的なビデオ品質評価(VQA)モデルは、この種のゲームビデオではうまく機能しないため、UGCゲームビデオで成功するように設計された新しいVQAモデルを作成し、GAME-VQP(Gaming Video Quality Predictor)と呼ぶ。
GAME-VQPは、修正された自然シーン統計モデルに基づいてデザインされた特徴と、畳み込みニューラルネットワークによって学習されたゲーム固有の特徴に基づいて、ゲームビデオのユニークな統計特性を予測することに成功した。
LIVE-YT-Gamingと呼ばれる非常に最近の大規模UGCゲームビデオデータベース上でのGAME-VQPの性能について検討し、ゲームビデオ用に設計されたVQAモデルだけでなく、他の主流の一般的なVQAモデルよりも優れていることを発見した。
新しいモデルは、紙が受理された後に公表される。
関連論文リスト
- Beyond Raw Videos: Understanding Edited Videos with Large Multimodal Model [62.38322742493649]
本稿では,人気のショートビデオプラットフォームであるtextiti.e.,TikTokで動画を編集するためのベンチマークを構築し,エフェクト,面白い,ミーム,ゲームをカバーする。
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) - FunQA: Towards Surprising Video Comprehension [64.58663825184958]
本稿では,挑戦的なビデオ質問応答データセットであるFunQAを紹介する。
FunQAはHumorQA、CreativeQA、MagicQAの3種類の驚くべきビデオをカバーしている。
FunQAベンチマークは4.3Kビデオクリップから派生した312KのフリーテキストQAペアで構成されている。
論文 参考訳(メタデータ) (2023-06-26T17:59:55Z) - StarVQA+: Co-training Space-Time Attention for Video Quality Assessment [56.548364244708715]
自己注意に基づくトランスフォーマーは多くのコンピュータビジョンタスクで大きな成功を収めた。
しかし,ビデオ品質評価(VQA)への適用は今のところ不十分である。
本稿では,StarVQA+と呼ばれる,VQA問題に対する協調学習型空間時間注意ネットワークを提案する。
論文 参考訳(メタデータ) (2023-06-21T14:27:31Z) - 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) - Subjective and Objective Analysis of Streamed Gaming Videos [60.32100758447269]
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。
論文 参考訳(メタデータ) (2022-03-24T03:02:57Z) - 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) - 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。