論文の概要: DPC-VQA: Decoupling Quality Perception and Residual Calibration for Video Quality Assessment

• arxiv url: http://arxiv.org/abs/2604.12813v1
• Date: Tue, 14 Apr 2026 14:40:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-15 19:11:32.50702
• Title: DPC-VQA: Decoupling Quality Perception and Residual Calibration for Video Quality Assessment
• Title（参考訳）: DPC-VQA:映像品質評価のための品質知覚と残留校正の分離
• Authors: Xinyue Li, Shubo Xu, Zhichao Zhang, Zhaolin Cai, Yitong Chen, Guangtao Zhai,
• Abstract要約: マルチモーダル大言語モデル(MLLM)はビデオ品質評価(VQA)タスクにおいて有望な性能を示した。 大規模な再トレーニングとコストのかかる平均評価スコア(MOS)アノテーションのため、新たなシナリオへの適応は依然としてコストがかかる。 ビデオ品質評価のためのデカップリング認識・校正フレームワークDPC-VQAを提案する。
• 参考スコア（独自算出の注目度）: 49.02765249211074
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Recent multimodal large language models (MLLMs) have shown promising performance on video quality assessment (VQA) tasks. However, adapting them to new scenarios remains expensive due to large-scale retraining and costly mean opinion score (MOS) annotations. In this paper, we argue that a pretrained MLLM already provides a useful perceptual prior for VQA, and that the main challenge is to efficiently calibrate this prior to the target MOS space. Based on this insight, we propose DPC-VQA, a decoupling perception and calibration framework for video quality assessment. Specifically, DPC-VQA uses a frozen MLLM to provide a base quality estimate and perceptual prior, and employs a lightweight calibration branch to predict a residual correction for target-scenario adaptation. This design avoids costly end-to-end retraining while maintaining reliable performance with lower training and data costs. Extensive experiments on both user-generated content (UGC) and AI-generated content (AIGC) benchmarks show that DPC-VQA achieves competitive performance against representative baselines, while using less than 2% of the trainable parameters of conventional MLLM-based VQA methods and remaining effective with only 20\% of MOS labels. The code will be released upon publication.
• Abstract（参考訳）: 近年のマルチモーダル大言語モデル(MLLM)は,映像品質評価(VQA)タスクにおいて有望な性能を示した。 しかし、大規模な再トレーニングとコストのかかる平均評価スコア(MOS)アノテーションのため、これらを新しいシナリオに適用することは依然として高価である。 本稿では,事前学習したMLLMがVQAに有用な事前認識を提供しており,MOS空間に先立ってこれを効率的に校正することが主な課題である,と論じる。 そこで本研究では,映像品質評価のためのデカップリング認識・校正フレームワークであるDPC-VQAを提案する。 具体的には、DPC-VQAは、凍結MLLMを使用して、ベース品質の推定と知覚的事前推定を提供し、軽量キャリブレーションブランチを使用して、ターゲット・シナリオ適応の残差補正を予測している。 この設計は、トレーニングとデータコストを低くして信頼性の高いパフォーマンスを維持しながら、エンドツーエンドの再トレーニングのコストを回避する。 ユーザ生成コンテンツ(UGC)とAIGC(AIGC)のベンチマークによる大規模な実験は、DPC-VQAが従来のMLLMベースのVQA手法のトレーニング可能なパラメータの2%未満を使用し、MOSラベルのわずか20%で有効であることを示している。 コードは公開時に公開される。

関連論文リスト

• Decoupling Perception and Calibration: Label-Efficient Image Quality Assessment Framework [78.58395822978271]
  LEAFはラベル効率の良い画像品質評価フレームワークである。 MLLM教師の知覚的品質の先行を軽量な学生回帰器に蒸留する。 提案手法は,強いMOS対応相関を維持しつつ,人間のアノテーションの必要性を著しく低減する。
  論文  参考訳（メタデータ） (2026-01-28T15:15:17Z)
• Towards Generalized Video Quality Assessment: A Weak-to-Strong Learning Paradigm [76.63001244080313]
  映像品質評価(VQA)は、人間の視覚的知覚に合わせて映像の知覚的品質を予測することを目的としている。 支配的なVQAパラダイムは、人間のラベル付きデータセットによる教師付きトレーニングに依存している。 我々は、大規模な人ラベルデータセットに頼らずにVQAを進めるための新しいパラダイムとして、弱い対強学習(W2S)を探求する。
  論文  参考訳（メタデータ） (2025-05-06T15:29:32Z)
• Ada-DQA: Adaptive Diverse Quality-aware Feature Acquisition for Video Quality Assessment [25.5501280406614]
  近年,映像品質評価 (VQA) が注目されている。 大規模VQAデータセットのアノテートに大きな費用が、現在のディープラーニング手法の主な障害となっている。 Ada-DQA(Adaptive Diverse Quality-Aware Feature Acquisition)フレームワークは、望ましい品質関連の特徴を捉えるために提案されている。
  論文  参考訳（メタデータ） (2023-08-01T16:04:42Z)
• Analysis of Video Quality Datasets via Design of Minimalistic Video Quality Models [71.06007696593704]
  BVQA(Blind Quality Assessment)は、実世界のビデオ対応メディアアプリケーションにおけるエンドユーザの視聴体験の監視と改善に不可欠である。 実験分野として、BVQAモデルの改良は、主に数個の人間の評価されたVQAデータセットに基づいて測定されている。 最小主義的BVQAモデルを用いて,VQAデータセットの第一種計算解析を行う。
  論文  参考訳（メタデータ） (2023-07-26T06:38:33Z)

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。