論文の概要: Compressed Video Quality Enhancement: Classifying and Benchmarking over Standards

• arxiv url: http://arxiv.org/abs/2509.10407v1
• Date: Fri, 12 Sep 2025 16:58:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-15 16:03:08.17107
• Title: Compressed Video Quality Enhancement: Classifying and Benchmarking over Standards
• Title（参考訳）: 圧縮ビデオの品質向上 - 標準の分類とベンチマーク
• Authors: Xiem HoangVan, Dang BuiDinh, Sang NguyenQuang, Wen-Hsiao Peng,
• Abstract要約: 本稿では,アーキテクチャパラダイム,コーディング標準,圧縮ドメイン機能利用など,CVQEの手法を分類する新たな分類法を提案する。 第2に、公正なマルチ基準評価のために、現代的な圧縮プロトコルと標準テストシーケンスを統合する統一的なベンチマークフレームワークを提案する。 第3に、最先端の手法で観察される再構成性能と計算複雑性の間の重要なトレードオフを体系的に分析する。
• 参考スコア（独自算出の注目度）: 7.991926266678548
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Compressed video quality enhancement (CVQE) is crucial for improving user experience with lossy video codecs like H.264/AVC, H.265/HEVC, and H.266/VVC. While deep learning based CVQE has driven significant progress, existing surveys still suffer from limitations: lack of systematic classification linking methods to specific standards and artifacts, insufficient comparative analysis of architectural paradigms across coding types, and underdeveloped benchmarking practices. To address these gaps, this paper presents three key contributions. First, it introduces a novel taxonomy classifying CVQE methods across architectural paradigms, coding standards, and compressed-domain feature utilization. Second, it proposes a unified benchmarking framework integrating modern compression protocols and standard test sequences for fair multi-criteria evaluation. Third, it provides a systematic analysis of the critical trade-offs between reconstruction performance and computational complexity observed in state-of-the-art methods and highlighting promising directions for future research. This comprehensive review aims to establish a foundation for consistent assessment and informed model selection in CVQE research and deployment.
• Abstract（参考訳）: 圧縮ビデオ品質向上(CVQE)は、H.264/AVC、H.265/HEVC、H.266/VVCなどの失われたビデオコーデックによるユーザエクスペリエンス向上に不可欠である。 ディープラーニングベースのCVQEは大きな進歩を遂げているが、既存の調査では、特定の標準やアーティファクトへの体系的な分類リンク方法の欠如、コーディングタイプ間でのアーキテクチャパラダイムの比較分析の不十分、未開発のベンチマークプラクティスなど、依然として制限に悩まされている。 これらのギャップに対処するため,本稿では3つの重要な貢献を行う。 まず、CVQEメソッドをアーキテクチャパラダイム、コーディング標準、圧縮ドメイン機能利用で分類する新しい分類法を導入する。 第2に、公正なマルチ基準評価のために、現代的な圧縮プロトコルと標準テストシーケンスを統合する統一的なベンチマークフレームワークを提案する。 第3に、最先端の手法で観察される再構成性能と計算複雑性の致命的なトレードオフを体系的に分析し、将来の研究に向けた有望な方向性を明らかにする。 この総合的なレビューは、CVQEの研究および展開において、一貫した評価と情報モデル選択のための基盤を確立することを目的としている。

関連論文リスト

• VQAThinker: Exploring Generalizable and Explainable Video Quality Assessment via Reinforcement Learning [50.34205095371895]
  映像品質評価は、知覚的品質劣化を客観的に定量化することを目的としている。 既存のVQAモデルには2つの限界がある。 推論に基づくVQAフレームワークである textbfVQAThinker を提案する。
  論文  参考訳（メタデータ） (2025-08-08T06:16:23Z)
• Compressed Feature Quality Assessment: Dataset and Baselines [89.62929964441962]
  圧縮された特徴のセマンティック忠実度を評価するための最初のベンチマークデータセットを提案する。 MSE、コサイン類似性、CKA(Centered Kernel Alignment)という3つの広く使われているメトリクスを、意味的劣化を捉える能力の観点から体系的に評価する。 この研究は、基礎的なベンチマークを確立し、コミュニティがCFQAを探索するための重要なリソースを提供することによって、この分野を前進させます。
  論文  参考訳（メタデータ） (2025-06-09T04:16:39Z)
• Breaking Annotation Barriers: Generalized Video Quality Assessment via Ranking-based Self-Supervision [49.46606936180063]
  ビデオ品質評価(VQA)は、様々なビデオ処理システムにおける品質の定量化に不可欠である。 我々はVQAのための自己教師型学習フレームワークを導入し、大規模でラベルなしのWebビデオから品質評価機能を学ぶ。 既存のVQAベンチマークよりも10倍のデータセットでトレーニングを行うことで、ゼロショットのパフォーマンスを実現しています。
  論文  参考訳（メタデータ） (2025-05-06T15:29:32Z)
• ReLaX-VQA: Residual Fragment and Layer Stack Extraction for Enhancing Video Quality Assessment [35.00766551093652]
  ReLaX-VQAは、NRVQA(No-Reference Video Quality Assessment)モデルである。 これは、オリジナルの圧縮されていないビデオに言及することなく、多様なビデオコンテンツの品質を評価するという課題に対処することを目的としている。 NR-VQA法を一貫して上回り、平均Sスコアは0.8658、PLCCは0.8873である。
  論文  参考訳（メタデータ） (2024-07-16T08:33:55Z)
• 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。