論文の概要: On the Performance Evaluation of Action Recognition Models on Transcoded Low Quality Videos

• arxiv url: http://arxiv.org/abs/2204.09166v1
• Date: Tue, 19 Apr 2022 23:56:56 GMT
• ステータス: 処理完了
• システム内更新日: 2022-04-22 00:20:00.082390
• Title: On the Performance Evaluation of Action Recognition Models on Transcoded Low Quality Videos
• Title（参考訳）: 符号化低品質映像における行動認識モデルの性能評価について
• Authors: Aoi Otani, Ryota Hashiguchi, Kazuki Omi, Norishige Fukushima, Toru Tamaki
• Abstract要約: 本稿では,映像品質の劣化に関して,モデル性能の劣化度を示す。 Kinetics400のトランスコード検証ビデオにおいて,事前学習したモデルの性能を評価する。
• 参考スコア（独自算出の注目度）: 0.5599792629509227
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In the design of action recognition models, the quality of videos in the dataset is an important issue, however the trade-off between the quality and performance is often ignored. In general, action recognition models are trained and tested on high-quality videos, but in actual situations where action recognition models are deployed, sometimes it might not be assumed that the input videos are of high quality. In this study, we report qualitative evaluations of action recognition models for the quality degradation associated with transcoding by JPEG and H.264/AVC. Experimental results are shown for evaluating the performance of pre-trained models on the transcoded validation videos of Kinetics400. The models are also trained on the transcoded training videos. From these results, we quantitatively show the degree of degradation of the model performance with respect to the degradation of the video quality.
• Abstract（参考訳）: アクション認識モデルの設計において、データセット内のビデオの品質は重要な問題であるが、品質と性能のトレードオフは無視されることが多い。 一般的に、アクション認識モデルは高品質なビデオで訓練されテストされるが、アクション認識モデルがデプロイされた実際の状況では、入力されたビデオが高品質であると仮定できない場合がある。 本研究ではJPEGとH.264/AVCの変換に伴う品質劣化に対する行動認識モデルの定性評価を行った。 Kinetics400のトランスコード検証ビデオにおいて,事前学習モデルの性能評価実験を行った。 モデルは、トランスコードされたトレーニングビデオでもトレーニングされる。 これらの結果から,映像品質の劣化に関して,モデル性能の劣化の程度を定量的に示す。

関連論文リスト

• VANE-Bench: Video Anomaly Evaluation Benchmark for Conversational LMMs [64.60035916955837]
  VANE-Benchはビデオの異常や矛盾を検出するためのビデオLMMの熟練度を評価するために設計されたベンチマークである。 我々のデータセットは、既存の最先端のテキスト・ビデオ生成モデルを用いて合成された一連のビデオから構成される。 我々は、このベンチマークタスクにおいて、オープンソースとクローズドソースの両方で既存の9つのビデオLMMを評価し、ほとんどのモデルが微妙な異常を効果的に識別するのに困難に直面することを発見した。
  論文  参考訳（メタデータ） (2024-06-14T17:59:01Z)
• KVQ: Kwai Video Quality Assessment for Short-form Videos [24.5291786508361]
  我々は,600本のユーザアップロードショートビデオと3600本のプロセッシングビデオからなる,最初の大規模KVQ(Kleidoscope short Video database for Quality Assessment)を構築した。 そこで我々は,KSVQEというビデオ品質評価装置を提案する。これにより,品質決定セマンティクスを大規模視覚言語モデルの内容理解とともに識別することができる。
  論文  参考訳（メタデータ） (2024-02-11T14:37:54Z)
• Perceptual Video Quality Assessment: A Survey [63.61214597655413]
  映像品質評価は,映像処理分野において重要な役割を担っている。 過去20年間に様々な主観的・客観的な映像品質評価研究が実施されてきた。 この調査は、これらのビデオ品質アセスメント研究の最新かつ包括的なレビューを提供する。
  論文  参考訳（メタデータ） (2024-02-05T16:13:52Z)
• InstructVideo: Instructing Video Diffusion Models with Human Feedback [65.9590462317474]
  InstructVideo は人からのフィードバックでテキスト・ビデオ拡散モデルに報酬の微調整を施す。 InstructVideoには2つの重要な要素がある: 1) 全DDIMサンプリングチェーンを通じて発生する報酬微調整のコストを改善するために、編集として報酬微調整を再放送する。
  論文  参考訳（メタデータ） (2023-12-19T17:55:16Z)
• Geometry-Aware Video Quality Assessment for Dynamic Digital Human [56.17852258306602]
  DDH-QAチャレンジのための新しい非参照(NR)幾何対応ビデオ品質評価手法を提案する。 提案手法はDDH-QAデータベース上での最先端性能を実現する。
  論文  参考訳（メタデータ） (2023-10-24T16:34:03Z)
• 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)
• Deep Quality Assessment of Compressed Videos: A Subjective and Objective Study [23.3509109592315]
  ビデオ符号化プロセスでは、圧縮ビデオの知覚品質を、フル参照品質評価指標により評価する。 この問題を解決するために,非参照圧縮映像品質評価アルゴリズムの設計が重要である。 本研究では,大規模圧縮映像品質データベースを構築するために,半自動ラベリング方式を採用する。
  論文  参考訳（メタデータ） (2022-05-07T10:50:06Z)
• Blindly Assess Quality of In-the-Wild Videos via Quality-aware Pre-training and Motion Perception [32.87570883484805]
  本稿では,画像品質評価(IQA)データベースからの知識の伝達と,リッチな動きパターンを用いた大規模行動認識を提案する。 対象のVQAデータベース上で、混合リストワイドランキング損失関数を用いて、提案したモデルをトレーニングする。
  論文  参考訳（メタデータ） (2021-08-19T05:29:19Z)
• 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)
• Unified Quality Assessment of In-the-Wild Videos with Mixed Datasets Training [20.288424566444224]
  我々は、コンピュータビジョンアプリケーションにおいて、Wildビデオの品質を自動評価することに注力する。 品質評価モデルの性能向上のために,人間の知覚から直観を借りる。 複数のデータセットで単一のVQAモデルをトレーニングするための混合データセットトレーニング戦略を提案する。
  論文  参考訳（メタデータ） (2020-11-09T09:22:57Z)

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。