视频质量评价VQA公开数据集介绍

已于 2024-11-03 13:35:40 修改
阅读量1k 收藏
点赞数 2
分类专栏： 视频质量评价-视频前处理 深度学习-PyTorch 文章标签： 音视频 视频质量评价 VQA 深度学习 人工智能 训练数据集 直播
于 2024-05-29 23:13:08 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/yanceyxin/article/details/139307287
版权
本文介绍了多个视频质量评估（VQA）数据集，包括YouTube-UGC、LIVE-VQC、MSU SR-QA、MSU NR VQA、MSU FR VQA、KoNViD-1k等，这些数据集涵盖了不同类型的视频失真、内容多样性和质量评价，旨在推动VQA和深度学习在音视频领域的应用，特别是直播和社交视频质量的提升。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

YouTube-UGC (YouTube UGC dataset)

  1. 下载网址：https://media.withyoutube.com/
  2. 介绍：这个YouTube数据集是根据知识共享许可证上传到YouTube的数千个用户生成内容（UGC）的样本。创建该数据集是为了帮助推进UGC视频的视频压缩和质量评估研究。该数据集目前包含约1500个（YouTube转码前）视频剪辑。每个视频的长度约为20秒。有两个版本的原始视频可供选择：RAW YUV和H264 CRF 10。还为游戏、体育和Vlog视频提供VP9变体。

在这里插入图片描述
3. 大小：
在这里插入图片描述

了解本专栏 订阅专栏 解锁全文 超级会员免费看
VQA dataset
不务正业的猿
09-20 458
原文： VQA is a new dataset containing open-ended questions about images. These questions require an understanding of vision, language and commonsense knowledge to answer.265,016 images (COCO and abstract scenes) At least 3 questions (5.4 questions on ave
视频质量评价与大模型——VQA2
shyinnn的博客
01-12 1340
大型多模态模型（LMM）的出现和扩散为计算机视觉引入了新的范式，将各种任务转变为统一的视觉问答框架，视觉问答（VQA）可以显着增强低水平的视觉质量评估。前言：对于视频质量评价而言，基于LMM方法的探索还是处于一个比较初期的阶段，可能是因为有Q-AlLIGN这个珠玉在前，所以凭借着对图像质量的视觉感知就已经可以对视频质量进行准确的打分了，但是显然这种图像质量模型缺失了对视频时间信息和运动失真的表征，缺乏这一特征无疑是会影响准确率的，因此，本篇文章就建立了一个视频质量的指令微调数据集。
VQA数据集及评价方法介绍
lsh894609937的专栏
03-12 7680
VQA(Visual Question Answering)是一项涉及到计算机视觉和自然语言处理的视觉任务，简单介绍下当前VQA所使用的数据集：     1. DQAUAR     DAQUAR(The DAtaset for QUestion Answering on Real-world images)是最早提出的VQA数据集，也是最小的VQA数据集。DAQUAR中的图像来自于NYU-D
VQA数据集介绍
xiashilin的博客
10-18 3973
多模态RAG框架（二）OmniSearch (Self-adaptive Planning Agent) and Dynamic VQA Dataset
最新发布
qq_52441682的博客
03-20 826
本文`PDF版本笔记`可通过[链接](https://download.csdn.net/download/qq_52441682/90508635)直接下载 建议直接下载`PDF版本笔记`，可读性更强，已设置永久免费下载
【数据集收集】用于视觉问答VQA常用的数据集（持续更新，最后更新时间2019-09）
热门推荐
QQ704630835的博客
08-23 1万+
一、背景 最近刚开始做视觉问答VQA，看了很多文献，但是目前还无从下手，所以准备先把网上的公开的VQA数据集记录下来。前面自己也读了一些文献，文献中多多少少都有介绍数据集的情况，比如： [1]【文献阅读】VQA的综述：数据集，算法和挑战（K. Kafle等人，Computer Vision and Image Understanding，2017） [2]【文献阅读】兼顾图像理解和推理能...
OK-VQA数据集
qq_38343151的博客
12-09 4691
《OK-VQA: A Visual Question Answering Benchmark Requiring External Knowledge》这篇文章中提出了articlenet网络来编码提取出来的文章，文章中也提出了OK-VQA数据集。回答该数据集的问题是一项有挑战性的任务。 1、介绍 VQA使得我们能够在视觉和语言的联合空间中学习推理，也能够进行场景理解。然而，大部分的VQA都...
VQA（视觉问答）数据集
weixin_41012399的博客
07-30 424
VQAV1论文：VQA: Visual Question Answering。
UGC-VQA领域盲视频质量评估基准与VIDEVAL模型研究
12-31
内容概要：近年来，随着社交...其他说明：本研究所采用的数据集均已公开，代码可以在GitHub仓库找到。研究结果证明迁移学习在UGC-VQA任务中有巨大的潜力，同时强调了结合不同感知域统计量及视觉损伤特性的重要价值。
基于预训练卷积神经网络的时间池化深度特征无参视频质量评估方法
01-12
内容概要：本文提出了一种新的无参考视频质量评估（NR-VQA）架构，该架构基于预训练的卷积神经网络（CNN）、迁移学习、时间池化和回归模型来提取帧级深度特征，并将其用于预测视频的质量分数。实验结果表明，所提...
全景视频评价数数据库：IVQAD 2017
pici7002的博客
09-10 1511
IVQAD 2017：An Immersive Video Quality Assessment Database 2017 international conference on systems, signals and image processing (IWSSIP) abstract: 本文提出了一个新的数据库，即IVQAD 2017，旨在用于虚拟现实环境中的沉浸式视频质量评估。视频...
视频质量诊断
11-19
视频质量诊断demo，可以测试一下，包含了现场可能出现的各种情况，有问题，请留言。
easy-VQA:Easy Visual Questioning Answering数据集
05-04
易vqa Easy Visual Question Answering（easy-VQA）数据集的官方存储库。 包含： 数据集的官方 用于生成数据集的源代码 阅读以获取更多信息。 关于数据集 easy-VQA包含 4,000张火车图像和38,575条火车问题。 1,000个测试图像和9,673个测试问题。 总共13个可能的答案。 28,407个是/否的培训问题。 7,136个是/否的测试问题。 所有图像均为64x64彩色图像。 查看在数据集上训练的模型的。 范例图片 （以上这些图片链接仅适用于Github ） 示例问题 矩形是什么颜色？ 图像中是否包含三角形？ 没有蓝色的形状吗？ 图像包含什么形状？ 安装套件 pip install easy-vqa 使用包装 问题 每个问题分为三个部分： 问题文字 答案 图片编号 问题获取器为3个部分中的每个部分返回对应
某评分网站视频短评之数据集-数据集
03-04
某评分网站视频短评之数据集 comment_30128916.csv data_clean.xlsx
机器学习帮助WebRTC视频质量评价
LiveVideoStack
11-01 1463
本文来自CosMos Software创始人Alex. Gouaillard的博客，他同时为WebRTC、QUIC等标准组织工作。LiveVideoStack对原文进行了...
基于编码应用的主观全景视频质量评价数据库(译)
pici7002的博客
09-04 3967
subjective panoramic video quality assessment database for coding applications IEEE TRANSACTIONS ON BROADCASTING, JUNE 2018 abstract: 随着虚拟现实技术的发展，需要更高质量的全景视频来保证沉浸式的观看体验。因此，质量评价对于相关技术非常重要。考虑到投影时的几何变...
VQA数据集Python API及评估代码：视觉问答的利器
gitblog_01126的博客
10-10 571
VQA数据集Python API及评估代码：视觉问答的利器 VQA 项目地址: https://gitcode.com/gh_mirrors/vq/VQA 项目介绍 VQA...
视频质量诊断和图像质量诊断 视频质量分析算法
zhulong1984的博客
05-10 9452
目前我们常说的视频质量诊断应用，主要分两种： 一种是将视频质量诊断系统设在监控中心，通过中心矩阵或流媒体服务器来获取前端所有摄像机的视频信号，通过轮巡方式对各路视频进行检测。这种方式受限于网络带宽和服务器自身性能，上传画面质量无法保障，非真正意义的视频质量诊断，属于应急的视频检测，如黑屏、恶意破坏、遮挡等行为能及时给予预警，能检测“破坏性”的视频，提醒相关人员采取措施并及时处理。 另外一种是将视频质量诊断系统设在前端网点，对网点视频故障(如视频清晰度异常、视频干...
OCR-VQA数据集评估指标
07-14
OCR-VQA（Optical Character Recognition - Visual Question Answering）数据集评估指标可以根据任务的性质和目标进行选择。以下是一些常用的评估指标： 1. 准确率（Accuracy）：在OCR-VQA任务中，最常用的评估指标是准确率。它衡量模型回答问题的正确率。如果模型给出的答案与人工标注的答案完全匹配，则计为1，否则计为0。最终的准确率是所有样本的平均值。 2. Top-k Accuracy：为了考虑到可能存在多个正确答案的情况，可以使用Top-k准确率。在Top-k准确率中，将模型预测的答案与人工标注的答案进行比较，只要模型预测的答案在标注答案的前k个里面，就认为是正确的。Top-k准确率可以更全面地评估模型的性能。 3. 结果排序（Ranking）：在OCR-VQA任务中，还可以使用排序评估指标，例如Mean Rank和Median Rank。这些指标衡量模型在给定问题下对所有可能答案的排序性能。较好的模型应该能够将正确答案排在前面。 4. 分布式评估（Distributional Evaluation）：除了对单个样本的准确性进行评估，还可以考虑模型对整个标注答案分布的拟合程度。例如，模型的预测分布应与人工标注的分布相似，可以使用KL散度或交叉熵等指标进行评估。 这些指标可以根据具体的OCR-VQA任务和评估需求进行选择和组合。同时，还可以根据任务的特点，设计和使用更加适合的评估指标。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

码流怪侠

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值