論文の概要: NTIRE 2025 Challenge on UGC Video Enhancement: Methods and Results
- arxiv url: http://arxiv.org/abs/2505.03007v1
- Date: Mon, 05 May 2025 20:06:11 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-07 18:50:11.12228
- Title: NTIRE 2025 Challenge on UGC Video Enhancement: Methods and Results
- Title（参考訳）: NTIRE 2025 UGCビデオエンハンスメントの課題:方法と結果
- Authors: Nikolay Safonov, Alexey Bryncev, Andrey Moskalenko, Dmitry Kulikov, Dmitry Vatolin, Radu Timofte, Haibo Lei, Qifan Gao, Qing Luo, Yaqing Li, Jie Song, Shaozhe Hao, Meisong Zheng, Jingyi Xu, Chengbin Wu, Jiahui Liu, Ying Chen, Xin Deng, Mai Xu, Peipei Liang, Jie Ma, Junjie Jin, Yingxue Pang, Fangzhou Luo, Kai Chen, Shijie Zhao, Mingyang Wu, Renjie Li, Yushen Zuo, Shengyun Zhong, Zhengzhong Tu,
- Abstract要約: 本稿では,NTIRE 2025 Challenge on Video Enhancementについて概説する。
このチャレンジは、ユーザー生成した150のコンテンツビデオのセットを構築した。
参加者の目標は、このような映像の視覚的品質を向上させるアルゴリズムを開発することである。
- 参考スコア（独自算出の注目度）: 73.23764765210825
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper presents an overview of the NTIRE 2025 Challenge on UGC Video Enhancement. The challenge constructed a set of 150 user-generated content videos without reference ground truth, which suffer from real-world degradations such as noise, blur, faded colors, compression artifacts, etc. The goal of the participants was to develop an algorithm capable of improving the visual quality of such videos. Given the widespread use of UGC on short-form video platforms, this task holds substantial practical importance. The evaluation was based on subjective quality assessment in crowdsourcing, obtaining votes from over 8000 assessors. The challenge attracted more than 25 teams submitting solutions, 7 of which passed the final phase with source code verification. The outcomes may provide insights into the state-of-the-art in UGC video enhancement and highlight emerging trends and effective strategies in this evolving research area. All data, including the processed videos and subjective comparison votes and scores, is made publicly available at https://github.com/msu-video-group/NTIRE25_UGC_Video_Enhancement.
- Abstract（参考訳）: 本稿では,NGCビデオエンハンスメントに関する NTIRE 2025 Challenge の概要について述べる。
この課題は、ノイズ、ぼやけた色、色合い、圧縮アーティファクトなど、現実の劣化に苦しむ、参照基盤の真実のない150のユーザー生成コンテンツビデオを構築した。
参加者の目標は、このような映像の視覚的品質を向上させるアルゴリズムを開発することである。
ショートフォームビデオプラットフォームでUGCが広く使われていることを考えると、このタスクは極めて重要な課題である。
評価はクラウドソーシングにおける主観的品質評価に基づいて,8000人以上の評価者から票を得た。
この課題は25以上のチームがソリューションを提出し、そのうち7チームがソースコード検証の最終フェーズを通過した。
この成果は、UGCビデオの最先端に関する洞察を与え、この発展する研究領域における新たなトレンドと効果的な戦略を浮き彫りにするかもしれない。
処理されたビデオと主観的な比較票とスコアを含むすべてのデータは、https://github.com/msu-video-group/NTIRE25_UGC_Video_Enhancement.comで公開されている。
関連論文リスト
- NTIRE 2025 Challenge on Short-form UGC Video Quality Assessment and Enhancement: Methods and Results [179.05961380270648]
NTIRE 2025 Challenge on Short-form Video Quality Assessment and Enhancement
課題は, (i) 映像品質評価(KVQ) と (ii) 拡散に基づく画像超解像(KwaiSR) の2つのトラックからなる。
論文 参考訳（メタデータ） (2025-04-17T17:45:34Z) - AIM 2024 Challenge on Video Saliency Prediction: Methods and Results [105.09572982350532]
本稿では,AIM 2024におけるビデオ・サリエンシ予測の課題について概説する。
参加者の目標は、提供されたビデオシーケンスのセットに対して正確な精度マップを予測する方法を開発することであった。
論文 参考訳（メタデータ） (2024-09-23T08:59:22Z) - AIS 2024 Challenge on Video Quality Assessment of User-Generated Content: Methods and Results [140.47245070508353]
本稿では,ユーザ生成コンテンツ(UGC)に着目したAIS 2024ビデオ品質アセスメント(VQA)チャレンジについてレビューする。
この課題の目的は、ビデオの知覚品質を推定できるディープラーニングベースの手法を収集することである。
YouTubeデータセットから生成されたビデオには、さまざまなコンテンツ(スポーツ、ゲーム、歌詞、アニメなど)、品質、解像度が含まれている。
論文 参考訳（メタデータ） (2024-04-24T21:02:14Z) - NTIRE 2024 Challenge on Short-form UGC Video Quality Assessment: Methods and Results [216.73187673659675]
NTIRE 2024 Challenge on Shortform Video Quality Assessment (S-UGC VQA) をレビューする。
KVQデータベースはトレーニング用2926本、検証用420本、テスト用854本を含む3つのパートに分けられる。
目的は、新しいベンチマークを構築し、S-UGC VQAの開発を進めることである。
論文 参考訳（メタデータ） (2024-04-17T12:26:13Z) - NTIRE 2023 Quality Assessment of Video Enhancement Challenge [97.809937484099]
NTIRE 2023 Quality Assessment of Video Enhancement Challengeについて報告する。
課題は、ビデオ処理分野における大きな課題、すなわち、強化されたビデオに対するビデオ品質評価(VQA)に対処することである。
参加者数は167名。
論文 参考訳（メタデータ） (2023-07-19T02:33:42Z)
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。