来自快手 CVPR 2023 workshop的文章,聚焦于视频质量评价。
一、Motivation & 创新点:
视频质量感知会收到低级别特征(纹理、颜色)和高级别特征(语义)的多层级影响,在这篇文章中,作者将视频分解为三个级别(图像块patch级别,视频帧frame级别和视频段clip级别),提出了Zoom-VQA模型来同时学习视频的时空域特征。模型整合了三类信息:patch注意力模块-捕捉空间域重点区域,视频帧金字塔对齐-不同特征层级的多级别信息和clip集成策略-时间维度的视频低质分布。