論文の概要: FloLPIPS: A Bespoke Video Quality Metric for Frame Interpoation
- arxiv url: http://arxiv.org/abs/2207.08119v2
- Date: Thu, 22 Jun 2023 12:51:58 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-23 18:12:30.581448
- Title: FloLPIPS: A Bespoke Video Quality Metric for Frame Interpoation
- Title（参考訳）: flolpips:フレームインターポレーションのためのビデオ品質指標
- Authors: Duolikun Danier, Fan Zhang, David Bull
- Abstract要約: 本稿では,VFIのためのフルレファレンスビデオ品質基準であるFloLPIPSについて述べる。
FloLPIPSは、12のポピュラーな品質評価器よりも主観的根拠真理との相関性能が優れている。
- 参考スコア（独自算出の注目度）: 4.151439675744056
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Video frame interpolation (VFI) serves as a useful tool for many video
processing applications. Recently, it has also been applied in the video
compression domain for enhancing both conventional video codecs and
learning-based compression architectures. While there has been an increased
focus on the development of enhanced frame interpolation algorithms in recent
years, the perceptual quality assessment of interpolated content remains an
open field of research. In this paper, we present a bespoke full reference
video quality metric for VFI, FloLPIPS, that builds on the popular perceptual
image quality metric, LPIPS, which captures the perceptual degradation in
extracted image feature space. In order to enhance the performance of LPIPS for
evaluating interpolated content, we re-designed its spatial feature aggregation
step by using the temporal distortion (through comparing optical flows) to
weight the feature difference maps. Evaluated on the BVI-VFI database, which
contains 180 test sequences with various frame interpolation artefacts,
FloLPIPS shows superior correlation performance (with statistical significance)
with subjective ground truth over 12 popular quality assessors. To facilitate
further research in VFI quality assessment, our code is publicly available at
https://danier97.github.io/FloLPIPS.
- Abstract（参考訳）: ビデオフレーム補間(VFI)は多くのビデオ処理アプリケーションにおいて有用なツールである。
近年,従来のビデオコーデックや学習ベース圧縮アーキテクチャの強化のために,ビデオ圧縮領域にも適用されている。
近年、拡張フレーム補間アルゴリズムの開発に焦点が当てられているが、補間されたコンテンツの知覚的品質評価は研究のオープンフィールドのままである。
本稿では,一般的な知覚画像品質指標であるLPIPSに基づいて,抽出された画像特徴空間の知覚的劣化をキャプチャする,VFI用フルレファレンスビデオ品質指標FloLPIPSを提案する。
補間コンテンツ評価のためのLPIPSの性能向上を目的として,時間的歪み(光流との比較による)を用いて特徴差マップの重み付けを行い,空間的特徴集約ステップを再設計した。
様々なフレーム補間アーチファクトを持つ180の試験シーケンスを含むBVI-VFIデータベースを用いて評価し、FloLPIPSは、12のポピュラーな品質評価器よりも主観的根拠真理と(統計的に有意な)優れた相関性能を示す。
VFI品質評価のさらなる研究を促進するため、我々のコードはhttps://danier97.github.io/FloLPIPSで公開されている。
関連論文リスト
- 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) - Video Dynamics Prior: An Internal Learning Approach for Robust Video
Enhancements [83.5820690348833]
外部トレーニングデータコーパスを必要としない低レベルの視覚タスクのためのフレームワークを提案する。
提案手法は,コヒーレンス・時間的テストの重み付けと統計内部統計を利用して,破損したシーケンスを最適化することでニューラルモジュールを学習する。
論文 参考訳（メタデータ） (2023-12-13T01:57:11Z) - A Perceptual Quality Metric for Video Frame Interpolation [6.743340926667941]
ビデオフレームの結果は、しばしばユニークな成果物であるので、既存の品質指標は、結果を測定するときに人間の知覚と一致しないことがある。
最近のディープラーニングベースの品質指標は、人間の判断とより整合性を示すが、時間的情報を考慮していないため、ビデオ上でのパフォーマンスは損なわれている。
本手法は,個々のフレームではなく,ビデオから直接知覚的特徴を学習する。
論文 参考訳（メタデータ） (2022-10-04T19:56:10Z) - BVI-VFI: A Video Quality Database for Video Frame Interpolation [3.884484241124158]
ビデオフレーム(VFI)は、ビデオ処理における基本的な研究課題である。
BVI-VFIは、5つのよく使われるVFIアルゴリズムを適用して生成された540の歪んだシーケンスを含む。
新しいデータベース上で、33の古典的かつ最先端の客観的画像/映像品質指標のパフォーマンスをベンチマークした。
論文 参考訳（メタデータ） (2022-10-03T11:15:05Z) - Exploring the Effectiveness of Video Perceptual Representation in Blind
Video Quality Assessment [55.65173181828863]
表現の図形的形態を記述することにより、時間的歪みを測定するための時間的知覚品質指標(TPQI)を提案する。
実験の結果,TPQIは主観的時間的品質を予測する効果的な方法であることがわかった。
論文 参考訳（メタデータ） (2022-07-08T07:30:51Z) - PeQuENet: Perceptual Quality Enhancement of Compressed Video with
Adaptation- and Attention-based Network [27.375830262287163]
本稿では,圧縮ビデオの知覚品質を高めるために,GAN(Generative Adversarial Network)フレームワークを提案する。
我々のフレームワークは、単一のモデルにおける異なる量子化パラメータ(QP)への注意と適応を含む。
実験により,提案したPeQuENetの圧縮圧縮画質向上アルゴリズムと比較して優れた性能を示した。
論文 参考訳（メタデータ） (2022-06-16T02:49:28Z) - A Subjective Quality Study for Video Frame Interpolation [4.151439675744056]
本稿では,新たに開発されたビデオデータベースBVI-VFIに基づくビデオフレーム(VFI)の主観的品質調査について述べる。
BVI-VFIは、3つの異なるフレームレートで36の参照シーケンスと、5つの従来の学習ベースのVFIアルゴリズムを用いて生成された180の歪みビデオを含んでいる。
論文 参考訳（メタデータ） (2022-02-15T21:13:23Z) - Multi-Frame Quality Enhancement On Compressed Video Using Quantised Data
of Deep Belief Networks [0.0]
ストリーミングと監視の時代に圧縮ビデオの強化は、常に改善を必要とする問題となっている。
このアプローチは、その領域で最高品質のフレームを使用して、その領域で低い品質のフレームを改善する。
論文 参考訳（メタデータ） (2022-01-27T09:14:57Z) - High Frame Rate Video Quality Assessment using VMAF and Entropic
Differences [50.265638572116984]
ライブでハイアクションなコンテンツによるストリーミングビデオの人気は、ハイフレームレート(HFR)ビデオへの関心を高めている。
本稿では,比較対象の動画がフレームレートと圧縮係数が異なる場合に,フレームレートに依存するビデオ品質評価(VQA)の問題に対処する。
提案する融合フレームワークは,フレームレートに依存した映像品質を予測するために,より効率的な特徴をもたらすことを示す。
論文 参考訳（メタデータ） (2021-09-27T04:08:12Z) - Motion-blurred Video Interpolation and Extrapolation [72.3254384191509]
本稿では,映像から鮮明なフレームをエンドツーエンドに切り離し,補間し,外挿する新しい枠組みを提案する。
予測フレーム間の時間的コヒーレンスを確保し,潜在的な時間的あいまいさに対処するために,単純で効果的なフローベースルールを提案する。
論文 参考訳（メタデータ） (2021-03-04T12:18:25Z) - Capturing Video Frame Rate Variations via Entropic Differencing [63.749184706461826]
一般化ガウス分布モデルに基づく新しい統計エントロピー差分法を提案する。
提案手法は,最近提案されたLIVE-YT-HFRデータベースにおいて,主観的スコアと非常によく相関する。
論文 参考訳（メタデータ） (2020-06-19T22:16:52Z)
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。