【论文解读】C3DVQA: FULL-REFERENCE VIDEO QUALITY ASSESSMENT WITH 3D CONVOLUTIONAL NEURAL NETWORK

• 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

1. 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。

2. 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。

3. 技术方法：

   • 利用2D卷积