論文の概要: Geometry-Aware Video Quality Assessment for Dynamic Digital Human
- arxiv url: http://arxiv.org/abs/2310.15984v1
- Date: Tue, 24 Oct 2023 16:34:03 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-25 17:37:24.998077
- Title: Geometry-Aware Video Quality Assessment for Dynamic Digital Human
- Title（参考訳）: 動的デジタルヒューマンのための幾何認識映像品質評価
- Authors: Zicheng Zhang, Yingjie Zhou, Wei Sun, Xiongkuo Min, and Guangtao Zhai
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 56.17852258306602
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Dynamic Digital Humans (DDHs) are 3D digital models that are animated using
predefined motions and are inevitably bothered by noise/shift during the
generation process and compression distortion during the transmission process,
which needs to be perceptually evaluated. Usually, DDHs are displayed as 2D
rendered animation videos and it is natural to adapt video quality assessment
(VQA) methods to DDH quality assessment (DDH-QA) tasks. However, the VQA
methods are highly dependent on viewpoints and less sensitive to geometry-based
distortions. Therefore, in this paper, we propose a novel no-reference (NR)
geometry-aware video quality assessment method for DDH-QA challenge. Geometry
characteristics are described by the statistical parameters estimated from the
DDHs' geometry attribute distributions. Spatial and temporal features are
acquired from the rendered videos. Finally, all kinds of features are
integrated and regressed into quality values. Experimental results show that
the proposed method achieves state-of-the-art performance on the DDH-QA
database.
- Abstract（参考訳）: dynamic digital human (ddhs) は3dデジタルモデルであり、予め定義された動きを使ってアニメーションされ、生成過程におけるノイズ/シフトや伝達過程における圧縮歪みによって必然的に煩わされる。
通常、DDHは2Dレンダリングされたアニメーションビデオとして表示され、ビデオ品質アセスメント(VQA)メソッドをDDH品質アセスメント(DDH-QA)タスクに適応させることは自然である。
しかしながら、VQA法は視点に強く依存しており、幾何学に基づく歪みには敏感ではない。
そこで本稿では,DDH-QAチャレンジのための新しい非参照(NR)画像品質評価手法を提案する。
幾何特性は、DDHsの幾何特性分布から推定される統計的パラメータによって記述される。
レンダリングされたビデオから空間的特徴と時間的特徴を取得する。
最後に、あらゆる種類の機能が統合され、品質値にレグレッションされます。
実験の結果,提案手法はDDH-QAデータベース上で最先端の性能を実現することがわかった。
関連論文リスト
- A No-Reference Quality Assessment Method for Digital Human Head [56.17852258306602]
我々は、デジタルヒューマン品質評価(DHQA)を扱うトランスフォーマーに基づく新しいノリフレクション(NR)手法を開発した。
具体的には、デジタル人間の前方2次元投影を入力として描画し、特徴抽出に視覚変換器(ViT)を用いる。
次に,歪み型を共同分類し,デジタル人間の知覚品質レベルを予測するマルチタスクモジュールを設計する。
論文 参考訳（メタデータ） (2023-10-25T16:01:05Z) - Advancing Zero-Shot Digital Human Quality Assessment through
Text-Prompted Evaluation [60.873105678086404]
SJTU-H3Dは、フルボディのデジタル人間向けに設計された主観的品質評価データベースである。
高品質なデジタル人間40人と、7種類の歪みで生成された1,120個のラベル付き歪曲した人物からなる。
論文 参考訳（メタデータ） (2023-07-06T06:55:30Z) - DDH-QA: A Dynamic Digital Humans Quality Assessment Database [55.69700918818879]
多様な動作内容と複数の歪みを有する大規模デジタル人文品質評価データベースを構築した。
DDHを駆動するために10種類の共通運動が使用され、最後に合計800個のDDHが生成される。
論文 参考訳（メタデータ） (2022-12-24T13:35:31Z) - Evaluating Point Cloud from Moving Camera Videos: A No-Reference Metric [58.309735075960745]
本稿では,ビデオ品質評価(VQA)手法を用いて,ポイントクラウド品質評価(PCQA)タスクの処理方法について検討する。
捉えたビデオは、いくつかの円形の経路を通して、点雲の周りでカメラを回転させて生成する。
トレーニング可能な2D-CNNモデルと事前学習された3D-CNNモデルを用いて、選択したキーフレームとビデオクリップから空間的・時間的品質認識特徴を抽出する。
論文 参考訳（メタデータ） (2022-08-30T08:59:41Z) - 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) - No-Reference Quality Assessment for Colored Point Cloud and Mesh Based
on Natural Scene Statistics [36.017914479449864]
色付き3次元モデルに対するNASに基づくノン参照品質評価指標を提案する。
本手法は主に,カラーポイントクラウド品質評価データベース (SJTU-PCQA) とカラーメッシュ品質評価データベース (CMDM) で検証されている。
論文 参考訳（メタデータ） (2021-07-05T14:03:15Z)
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。