論文の概要: How Accurate are Video Quality Models for Diffusion-Based Video Super-Resolution?
- arxiv url: http://arxiv.org/abs/2605.25940v1
- Date: Mon, 25 May 2026 15:18:22 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-26 19:50:20.427489
- Title: How Accurate are Video Quality Models for Diffusion-Based Video Super-Resolution?
- Title（参考訳）: 拡散型超解像における映像品質モデルはどの程度正確か?
- Abstract要約: 拡散型VSR法の性能評価に既存の映像品質モデルを用いることができるかを検討する。
モデル予測と主観的テストの結果を比較した。
テストされたビデオ品質モデルはいずれも、相補的な主観的テストを置き換えるのに十分な精度に達していない。
- 参考スコア（独自算出の注目度）: 38.486900599288084
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Recent video super-resolution (VSR) approaches use deep neural networks to enhance low-quality input videos and recover visual detail, with diffusion-based methods in particular showing promising results. In this paper, we investigate whether existing video quality models can be used to assess the performance of these diffusion-based VSR methods, by comparing model predictions with results from a subjective test. The study compares six upscaling methods (Lanczos, Rhea, SCST, DOVE, SeedVR2, Starlight Mini) applied to both compressed (AV1 and DCVC-RT) and uncompressed low-resolution videos considering the play-out on a UHD-1/4K screen. A range of full- and no-reference quality models are used to assess their applicability to this new type of quality degradation, focusing on within-sequence performance. The results highlight that CNN-based full-reference models, such as LPIPS, DISTS, and CVQA-FR show significantly higher correlation coefficients than both conventional full- as well as the tested no-reference models. Most overestimate the overly sharp results of SCST, with VMAF mainly failing due to spatial inconsistencies introduced by Starlight Mini. None of the tested video quality models reach sufficient accuracy so as to replace complementary subjective testing. The reference, degraded and upscaled videos, as well as the user ratings and model scores are made available with the paper at https://github.com/Telecommunication-Telemedia-Assessment/AVT-VQDB-UHD-1-VSR as open data.
- Abstract（参考訳）: 最近のビデオ超解像(VSR)アプローチでは、ディープニューラルネットワークを使用して、低品質な入力ビデオを強化し、視覚的詳細を回復している。
本稿では,これらの拡散型VSR法の性能評価に既存の映像品質モデルを用いて,モデル予測と主観的テストの結果を比較することを提案する。
この研究は、UHD-1/4Kスクリーンでのプレイアウトを考慮した6つのアップスケーリング手法(Lanczos, Rhea, SCST, DOVE, SeedVR2, Starlight Mini)を圧縮(AV1, DCVC-RT)および非圧縮低解像度ビデオの両方に適用した。
一連のフルおよびノン参照品質モデルを使用して、新しいタイプの品質劣化に対する適用性を評価し、シーケンス内パフォーマンスに重点を置いている。
その結果, LPIPS, DISTS, CVQA-FRなどのCNNベースのフル参照モデルでは, 従来のフル参照モデルとテスト済みのノン参照モデルよりも相関係数が有意に高いことがわかった。
SCSTの過度に鋭い結果が過大評価され、VMAFは主にスターライト・ミニによって導入された空間的不整合のために失敗した。
テストされたビデオ品質モデルはいずれも、相補的な主観的テストを置き換えるのに十分な精度に達していない。
参照、劣化、アップグレードされたビデオ、およびユーザー評価とモデルスコアは、オープンデータとしてhttps://github.com/Telecommunication-Telemedia-Assessment/AVT-VQDB-UHD-1-VSRで公開されている。
関連論文リスト
- CompressedVQA-AEV: Full-Reference and No-Reference Quality Assessment Models for Asymmetric Encoded Videos [51.44042801857041]
本報告では、非対称符号化ビデオの画質評価に関するQoMEX 2026グランドチャレンジに対する解決策について述べる。
フル参照(FR)モデル、圧縮VQA-AEV-FR、非参照(NR)モデル、圧縮VQA-AEV-NRから構成される。
NR設定では、SigLIP2とSwin-Bに基づく補完的なフレームレベルエンコーダを使用し、その後、時間平均プーリングとクロスフォールドアンサンブルを用いて、参照データなしで知覚品質を推定する。
論文 参考訳（メタデータ） (2026-07-06T02:23:39Z) - Rethinking Diffusion Model-Based Video Super-Resolution: Leveraging Dense Guidance from Aligned Features [51.5076190312734]
ビデオ超解法アプローチは、エラーの蓄積、空間的アーティファクト、知覚的品質と忠実さのトレードオフに悩まされる。
ビデオ超解像(DGAF-VSR)に適した特徴を持つ新しい誘導拡散モデルを提案する。
合成および実世界のデータセットの実験では、DGAF-VSRがVSRの重要な側面において最先端の手法を超越していることが示されている。
論文 参考訳（メタデータ） (2025-11-21T03:40:45Z) - CAMP-VQA: Caption-Embedded Multimodal Perception for No-Reference Quality Assessment of Compressed Video [9.172799792564009]
本稿では,大規模モデルの意味理解機能を活用した新しいNR-VQAフレームワークであるCAMP-VQAを提案する。
本手法では,フレーム間変動から抽出したキーフラグメントを統合する品質対応ビデオメタデータ機構を提案する。
我々のモデルは既存のNR-VQA法を一貫して上回り、手作業の細かいアノテーションを使わずに精度の向上を実現している。
論文 参考訳（メタデータ） (2025-11-10T16:37:47Z) - Subjective and Objective Quality Assessment of Banding Artifacts on Compressed Videos [55.09949353783613]
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。
論文 参考訳（メタデータ） (2025-08-12T07:42:56Z) - Unsupervised Video Anomaly Detection with Diffusion Models Conditioned
on Compact Motion Representations [17.816344808780965]
教師なしビデオ異常検出(VAD)問題とは、ビデオ内の各フレームをラベルにアクセスすることなく正常または異常に分類することである。
提案手法は条件付き拡散モデルを用いて,事前学習したネットワークから入力データを抽出する。
提案手法は,データ駆動しきい値を用いて,異常事象の指標として高い再構成誤差を考慮している。
論文 参考訳（メタデータ） (2023-07-04T07:36:48Z) - CONVIQT: Contrastive Video Quality Estimator [63.749184706461826]
知覚ビデオ品質評価(VQA)は、多くのストリーミングおよびビデオ共有プラットフォームにおいて不可欠な要素である。
本稿では,視覚的に関連のある映像品質表現を自己指導的に学習する問題について考察する。
本研究は, 自己教師型学習を用いて, 知覚力による説得力のある表現が得られることを示す。
論文 参考訳（メタデータ） (2022-06-29T15:22:01Z) - Diffusion Probabilistic Modeling for Video Generation [17.48026395867434]
拡散確率モデルは、知覚メトリクス上のGANと競合する新しい生成モデルである。
ニューラルビデオ圧縮の最近の進歩にインスパイアされた我々は、デノナイジング拡散モデルを使用して、決定論的次フレーム予測に残留するベースラインを生成する。
複雑な高解像度ビデオのフレーム予測において,すべてのデータに対する知覚的品質の面での大幅な改善と,その改善が期待できる。
論文 参考訳（メタデータ） (2022-03-16T03:52:45Z) - FOVQA: Blind Foveated Video Quality Assessment [1.4127304025810108]
FOVQAと呼ばれるビデオ品質評価モデルを開発した。
空間変動自然シーン統計(NSS)と自然映像統計(NVS)の新しいモデルに基づく。
FOVQAは2D LIVE-FBT-FCVRデータベース上での最先端(SOTA)性能を実現する。
論文 参考訳（メタデータ） (2021-06-24T21:38:22Z) - Study on the Assessment of the Quality of Experience of Streaming Video [117.44028458220427]
本稿では,ストリーミング映像のQoEの主観的推定に対する様々な客観的要因の影響について検討する。
本論文では標準的および手作り的特徴を示し,その相関とp値を示す。
SQoE-IIIデータベースは、これまでで最大の、そして最も現実的なデータベースだ。
論文 参考訳（メタデータ） (2020-12-08T18:46:09Z)
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。