論文の概要: FineVQ: Fine-Grained User Generated Content Video Quality Assessment

• arxiv url: http://arxiv.org/abs/2412.19238v1
• Date: Thu, 26 Dec 2024 14:44:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-30 17:27:24.582879
• Title: FineVQ: Fine-Grained User Generated Content Video Quality Assessment
• Title（参考訳）: FineVQ: ファイングラインドされたユーザー生成コンテンツ品質評価
• Authors: Huiyu Duan, Qiang Hu, Jiarui Wang, Liu Yang, Zitong Xu, Lu Liu, Xiongkuo Min, Chunlei Cai, Tianxiao Ye, Xiaoyun Zhang, Guangtao Zhai,
• Abstract要約: 我々は,ファインVDと呼ばれる,複数の次元にまたがる詳細な品質スコアと記述を有する6104の動画からなる,最初の大規模ビデオ品質評価データベースを構築した。 本研究では,画質評価,品質評価,品質属性など,映像のきめ細かい品質を学習するための細粒度映像品質評価モデルを提案する。
• 参考スコア（独自算出の注目度）: 57.51274708410407
• License:
• Abstract: The rapid growth of user-generated content (UGC) videos has produced an urgent need for effective video quality assessment (VQA) algorithms to monitor video quality and guide optimization and recommendation procedures. However, current VQA models generally only give an overall rating for a UGC video, which lacks fine-grained labels for serving video processing and recommendation applications. To address the challenges and promote the development of UGC videos, we establish the first large-scale Fine-grained Video quality assessment Database, termed FineVD, which comprises 6104 UGC videos with fine-grained quality scores and descriptions across multiple dimensions. Based on this database, we propose a Fine-grained Video Quality assessment (FineVQ) model to learn the fine-grained quality of UGC videos, with the capabilities of quality rating, quality scoring, and quality attribution. Extensive experimental results demonstrate that our proposed FineVQ can produce fine-grained video-quality results and achieve state-of-the-art performance on FineVD and other commonly used UGC-VQA datasets. Both Both FineVD and FineVQ will be made publicly available.
• Abstract（参考訳）: ユーザ生成コンテンツ(UGC)ビデオの急速な成長は、ビデオ品質を監視し、最適化とレコメンデーション手順をガイドする効果的なビデオ品質アセスメント(VQA)アルゴリズムを緊急に必要としてきた。 しかしながら、現在のVQAモデルは一般的に、ビデオ処理やレコメンデーションアプリケーションを提供するためのきめ細かいラベルが欠けているUGCビデオに対して、全体的な評価しか与えない。 この課題に対処し、UGCビデオの開発を促進するために、ファインVDと呼ばれる、複数の次元にわたるきめ細かい品質スコアと記述を備えた6104 UGCビデオからなる、初の大規模きめ細かいビデオ品質評価データベースを構築した。 本データベースに基づいて,UGCビデオの画質の微粒化を学習するために,品質評価,品質評価,品質属性の能力を備えた微細粒度映像品質評価(FineVQ)モデルを提案する。 広範に実験した結果,提案したFinVQは,精細なビデオ品質を実現し,FenVDや他のUGC-VQAデータセット上での最先端性能を実現することができた。 FineVDとFinVQはどちらも一般公開される。

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)
• 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)
• Towards Explainable In-the-Wild Video Quality Assessment: A Database and a Language-Prompted Approach [52.07084862209754]
  われわれは、13次元の質関連因子に関する4,543本のビデオについて200万以上の意見を集めている。 具体的には、各次元に対して正、負、中立の選択をラベル付けするよう被験者に求める。 これらの説明レベルの意見は、特定の品質要因と抽象的な主観的品質評価の関係を測ることができる。
  論文  参考訳（メタデータ） (2023-05-22T05:20:23Z)
• SB-VQA: A Stack-Based Video Quality Assessment Framework for Video Enhancement [0.40777876591043155]
  本稿では,ビデオ品質評価(VQA)のためのスタックベースのフレームワークを提案する。 拡張ビデオのためのVQAフレームワークの提案に加えて、プロが生成するコンテンツ(PGC)に対するVQAの適用についても検討する。 実験により,既存のVQAアルゴリズムをPGCビデオに適用できることが実証された。
  論文  参考訳（メタデータ） (2023-05-15T07:44:10Z)
• MD-VQA: Multi-Dimensional Quality Assessment for UGC Live Videos [39.06800945430703]
  我々は、第一種主観的Live VQAデータベースを構築し、効果的な評価ツールを開発する。 textbfMD-VQAは、Live VQAデータベースと既存の圧縮VQAデータベースの両方で最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2023-03-27T06:17:10Z)
• Disentangling Aesthetic and Technical Effects for Video Quality Assessment of User Generated Content [54.31355080688127]
  YouTube-VQA問題における人間の品質知覚のメカニズムはまだ解明されていない。 本稿では,2つの個別評価器を,各問題に特化して設計したビューで訓練する手法を提案する。 我々の盲目主観的研究は、DOVERの別個の評価器が、各不整合品質問題に対する人間の認識と効果的に一致できることを証明している。
  論文  参考訳（メタデータ） (2022-11-09T13:55:50Z)
• 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)

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。