論文の概要: Subjective and Objective Quality Assessment of Banding Artifacts on Compressed Videos

• arxiv url: http://arxiv.org/abs/2508.08700v2
• Date: Sat, 16 Aug 2025 15:16:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-19 12:43:44.889686
• Title: Subjective and Objective Quality Assessment of Banding Artifacts on Compressed Videos
• Title（参考訳）: 圧縮映像における帯状アーチファクトの主観的・客観的品質評価
• Authors: Qi Zheng, Li-Heng Chen, Chenlong He, Neil Berkbeck, Yilin Wang, Balu Adsumilli, Alan C. Bovik, Yibo Fan, Zhengzhong Tu,
• Abstract要約: 注目に値するバンドングアーティファクトは、ハイエンドのHDTVや高解像度のスクリーンで見るビデオの知覚的品質に深刻な影響を与える可能性がある。 我々は、LIVE-YT-Bandingと呼ばれる、4つの異なる圧縮パラメータで生成された160のビデオからなる、第一種オープンビデオデータセットを作成しました。 計7,200人の主観的意見が45人の被験者のコホートから集められている。
• 参考スコア（独自算出の注目度）: 55.09949353783613
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Although there have been notable advancements in video compression technologies in recent years, banding artifacts remain a serious issue affecting the quality of compressed videos, particularly on smooth regions of high-definition videos. Noticeable banding artifacts can severely impact the perceptual quality of videos viewed on a high-end HDTV or high-resolution screen. Hence, there is a pressing need for a systematic investigation of the banding video quality assessment problem for advanced video codecs. Given that the existing publicly available datasets for studying banding artifacts are limited to still picture data only, which cannot account for temporal banding dynamics, we have created a first-of-a-kind open video dataset, dubbed LIVE-YT-Banding, which consists of 160 videos generated by four different compression parameters using the AV1 video codec. A total of 7,200 subjective opinions are collected from a cohort of 45 human subjects. To demonstrate the value of this new resources, we tested and compared a variety of models that detect banding occurrences, and measure their impact on perceived quality. Among these, we introduce an effective and efficient new no-reference (NR) video quality evaluator which we call CBAND. CBAND leverages the properties of the learned statistics of natural images expressed in the embeddings of deep neural networks. Our experimental results show that the perceptual banding prediction performance of CBAND significantly exceeds that of previous state-of-the-art models, and is also orders of magnitude faster. Moreover, CBAND can be employed as a differentiable loss function to optimize video debanding models. The LIVE-YT-Banding database, code, and pre-trained model are all publically available at https://github.com/uniqzheng/CBAND.
• Abstract（参考訳）: 近年、ビデオ圧縮技術は顕著な進歩を遂げているが、圧縮ビデオの品質、特に高精細ビデオのスムーズな領域において、バンド化アーティファクトが深刻な問題となっている。 注目に値するバンドングアーティファクトは、ハイエンドのHDTVや高解像度のスクリーンで見るビデオの知覚的品質に深刻な影響を与える可能性がある。 そのため,先進的なビデオコーデックの帯域化映像品質評価問題について,体系的な調査を行う必要がある。 AV1ビデオコーデックを用いて,4つの異なる圧縮パラメータによって生成された160本の動画からなるLIVE-YT-Bandingと呼ばれる一級オープンビデオデータセットを作成した。 計7,200人の主観的意見が45人の被験者のコホートから集められている。 新たな資源の価値を実証するために,バンドリングの発生を検知し,認識された品質に与える影響を計測する様々なモデルを検証,比較した。 そこで本研究では,CBANDというビデオ品質評価手法を提案する。 CBANDは深層ニューラルネットワークの埋め込みで表現された自然画像の学習統計特性を利用する。 実験の結果,CBANDの知覚的バンドリング予測性能は,従来の最先端モデルよりも有意に優れ,しかも桁違いに高速であることがわかった。 さらに、CBANDは、ビデオ分割モデルを最適化するために、識別可能な損失関数として使用できる。 LIVE-YT-Bandingデータベース、コード、事前訓練済みモデルはhttps://github.com/uniqzheng/CBAND.comで公開されている。

関連論文リスト

• High Visual-Fidelity Learned Video Compression [6.609832462227998]
  我々は,HVFVC(High Visual-Fidelity Learned Video Compression framework)を提案する。 具体的には,新たに出現した地域での貧弱な復興問題に対処するために,信頼度に基づく新しい特徴再構成手法を設計する。 広汎な実験により提案したHVFVCは、50%しか必要とせず、最新のVVC標準よりも優れた知覚品質が得られることが示された。
  論文  参考訳（メタデータ） (2023-10-07T03:27:45Z)
• Perceptual Quality Assessment of Face Video Compression: A Benchmark and An Effective Method [69.868145936998]
  生成的符号化アプローチは、合理的な速度歪曲トレードオフを持つ有望な代替手段として認識されている。 従来のハイブリッドコーディングフレームワークから生成モデルまで、空間的・時間的領域における歪みの多様さは、圧縮顔画像品質評価(VQA)における大きな課題を提示する。 大規模圧縮顔画像品質評価(CFVQA)データベースを導入し,顔ビデオの知覚的品質と多角化圧縮歪みを体系的に理解するための最初の試みである。
  論文  参考訳（メタデータ） (2023-04-14T11:26:09Z)
• 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)
• Leveraging Bitstream Metadata for Fast, Accurate, Generalized Compressed Video Quality Enhancement [74.1052624663082]
  圧縮ビデオの細部を復元する深層学習アーキテクチャを開発した。 これにより,従来の圧縮補正法と比較して復元精度が向上することを示す。 我々は、ビットストリームで容易に利用できる量子化データに対して、我々のモデルを条件付けする。
  論文  参考訳（メタデータ） (2022-01-31T18:56:04Z)
• Coherent Loss: A Generic Framework for Stable Video Segmentation [103.78087255807482]
  ビデオセグメンテーションの結果の視覚的品質を,ジッタリングアーティファクトがいかに劣化させるかを検討する。 本稿では,ニューラルネットワークの性能向上を目的とした汎用フレームワークを備えたコヒーレントロスを提案する。
  論文  参考訳（メタデータ） (2020-10-25T10:48:28Z)
• BBAND Index: A No-Reference Banding Artifact Predictor [55.42929350861115]
  バンディングアーティファクト(英: Banding artifact)または偽コントゥーリング(英: false contouring)は、一般的なビデオ圧縮障害である。 本稿では,Blind BANding Detector (BBAND index) と呼ばれる,歪み特異的な非参照ビデオ品質モデルを提案する。
  論文  参考訳（メタデータ） (2020-02-27T03:05:26Z)

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。