- 级别:IEEE、CCF B
- 作者:Munan Xu等
- 机构:北京大学深圳研究院、腾讯多媒体实验室、鹏城实验室
- 下载地址:C3DVQA: FULL-REFERENCE VIDEO QUALITY ASSESSMENT WITH 3D CONVOLUTIONAL NEURAL NETWORK
摘要
问题识别:
- 传统视频质量评估(VQA)方法通常评估局部图像质量,并通过时间聚合帧分数来预测整个视频的得分。
- 视频质量与静态图像质量不同,因为它受到时间掩蔽效应的影响,这些效应会影响人的视觉系统对视频内容的感知。
C3DVQA架构介绍:
- 论文提出了一种名为C3DVQA的新型架构,它利用具有3D卷积核的卷积神经网络(C3D)进行全参考视频质量评估任务。
- C3DVQA将特征学习和分数池化整合到一个统一的时空特征学习过程中。
技术方法:
- 利用2D卷积