論文の概要: CHUG: Crowdsourced User-Generated HDR Video Quality Dataset
- arxiv url: http://arxiv.org/abs/2510.09879v1
- Date: Fri, 10 Oct 2025 21:35:39 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-14 18:06:29.663763
- Title: CHUG: Crowdsourced User-Generated HDR Video Quality Dataset
- Title（参考訳）: CHUG: クラウドソーシングによるユーザ生成HDRビデオの品質データセット
- Authors: Shreshth Saini, Alan C. Bovik, Neil Birkbeck, Yilin Wang, Balu Adsumilli,
- Abstract要約: 高ダイナミックレンジ(UGC)ビデオは、優れた明るさ、コントラスト、色深度で視覚体験を高める。
YouTubeやTikTokなどのプラットフォームにおけるユーザ生成コンテンツ(UGC)の急増は、さまざまなキャプチャ条件、編集アーティファクト、圧縮歪みによるHDRビデオ品質評価(VQA)に対するユニークな課題を導入している。
既存のHDR-VQAデータセットは、主にプロが生成したコンテンツ(PGC)に焦点を当てており、現実の劣化を理解するためのギャップを残している。
- 参考スコア（独自算出の注目度）: 35.65322085280114
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: High Dynamic Range (HDR) videos enhance visual experiences with superior brightness, contrast, and color depth. The surge of User-Generated Content (UGC) on platforms like YouTube and TikTok introduces unique challenges for HDR video quality assessment (VQA) due to diverse capture conditions, editing artifacts, and compression distortions. Existing HDR-VQA datasets primarily focus on professionally generated content (PGC), leaving a gap in understanding real-world UGC-HDR degradations. To address this, we introduce CHUG: Crowdsourced User-Generated HDR Video Quality Dataset, the first large-scale subjective study on UGC-HDR quality. CHUG comprises 856 UGC-HDR source videos, transcoded across multiple resolutions and bitrates to simulate real-world scenarios, totaling 5,992 videos. A large-scale study via Amazon Mechanical Turk collected 211,848 perceptual ratings. CHUG provides a benchmark for analyzing UGC-specific distortions in HDR videos. We anticipate CHUG will advance No-Reference (NR) HDR-VQA research by offering a large-scale, diverse, and real-world UGC dataset. The dataset is publicly available at: https://shreshthsaini.github.io/CHUG/.
- Abstract（参考訳）: 高ダイナミックレンジ(HDR)ビデオは、優れた明るさ、コントラスト、色深度で視覚体験を高める。
YouTubeやTikTokなどのプラットフォームにおけるユーザ生成コンテンツ(UGC)の急増は、さまざまなキャプチャ条件、編集アーティファクト、圧縮歪みによるHDRビデオ品質評価(VQA)に対するユニークな課題を導入している。
既存のHDR-VQAデータセットは、主にプロが生成したコンテンツ(PGC)に焦点を当てており、現実のUGC-HDR劣化を理解するためのギャップを残している。
クラウドソーシングされたユーザ生成HDRビデオ品質データセットは,UGC-HDR品質に関する最初の大規模主観的研究である。
CHUGは、856のUGC-HDRソースビデオで構成され、複数の解像度とビットレートにトランスコードされ、現実世界のシナリオをシミュレートする。
Amazon Mechanical Turkによる大規模な調査では、知覚的評価は211,848件だった。
CHUGは、HDRビデオのUGC固有の歪みを分析するためのベンチマークを提供する。
我々はCHUGが大規模で多様な実世界のUGCデータセットを提供することで、No-Reference (NR) HDR-VQA研究を進めることを期待する。
データセットは、https://shreshthsaini.github.io/CHUG/で公開されている。
関連論文リスト
- CompressedVQA-HDR: Generalized Full-reference and No-reference Quality Assessment Models for Compressed High Dynamic Range Videos [46.255654141741815]
本稿では,HDRビデオ品質評価の課題に対処する有効なVQAフレームワークであるCompressedVQA-SDRを紹介する。
我々は,提案した完全参照(FR)モデルと非参照(NR)VQAモデルのバックボーンネットワークとして,Swin TransformerとSigLip 2を採用する。
我々のモデルは既存のFRやNR VQAモデルと比較して最先端の性能を実現している。
論文 参考訳（メタデータ） (2025-07-16T04:33:06Z) - HDR-GS: Efficient High Dynamic Range Novel View Synthesis at 1000x Speed via Gaussian Splatting [76.5908492298286]
既存のHDR NVS法は主にNeRFに基づいている。
訓練時間は長く、推論速度は遅い。
我々は新しいフレームワークHigh Dynamic Range Gaussian Splatting (-GS)を提案する。
論文 参考訳（メタデータ） (2024-05-24T00:46:58Z) - Subjective Quality Assessment of Compressed Tone-Mapped High Dynamic Range Videos [35.19716951217485]
ストリーミングHDRビデオの視覚的品質に及ぼすトネマッピング演算子の影響を解析する。
我々は、圧縮トーンマップ付きHDRビデオの大規模主観的オープンソースデータベースを構築した。
論文 参考訳（メタデータ） (2024-03-22T09:38:16Z) - A FUNQUE Approach to the Quality Assessment of Compressed HDR Videos [36.26141980831573]
最先端のSOTA(State-of-art)アプローチでは、VMAFのような既製のビデオ品質モデルが強化され、非線形変換ビデオフレームで計算される。
ここでは,FUNQUE+というビデオ品質予測モデルの効率的なクラスが,より少ない計算コストで高いHDR映像品質予測精度を実現することを示す。
論文 参考訳（メタデータ） (2023-12-13T21:24:00Z) - HIDRO-VQA: High Dynamic Range Oracle for Video Quality Assessment [36.1179702443845]
HIDRO-VQAは,ハイダイナミックレンジ(ハイダイナミックレンジ)ビデオの正確な品質評価を提供するために設計された,NRビデオ品質評価モデルである。
この結果から, 自己教師型ニューラルネットワークは, 最先端の性能を達成するために, 自己教師型設定でさらに微調整できることがわかった。
我々のアルゴリズムはFull Reference VQA設定に拡張することができ、また最先端の性能を達成することができる。
論文 参考訳（メタデータ） (2023-11-18T12:33:19Z) - Towards Efficient SDRTV-to-HDRTV by Learning from Image Formation [51.26219245226384]
モダンディスプレイは、高ダイナミックレンジ(WCG)と広色域(SDR)で映像コンテンツをレンダリングすることができる
利用可能なリソースの大部分は、まだ標準動的範囲(SDR)にある。
我々は、SDRTV/TVコンテンツの形成をモデル化し、SDRTV-to-TVタスクを定義し、分析する。
本手法は主に超高精細テレビコンテンツ向けに設計されており、4K解像度画像の処理に有効で軽量である。
論文 参考訳（メタデータ） (2023-09-08T02:50:54Z) - Subjective Assessment of High Dynamic Range Videos Under Different
Ambient Conditions [38.504568225201915]
本稿では,HDRビデオの大規模主観的研究について紹介する。
圧縮やエイリアスなどの歪みがHDRビデオの品質に及ぼす影響について検討する。
この調査には計66人の被験者が参加し、2万人以上の世論調査が集められた。
論文 参考訳（メタデータ） (2022-09-20T21:25:50Z)
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。