【论文解读】Screen Content Video Quality Assessment: Subjective and Objective Study

已于 2024-08-14 11:02:56 修改
阅读量340 收藏
点赞数 16
分类专栏： 论文解读 视频质量评价(VQA) 文章标签： 视频质量评价 屏幕内容编码 HEVC 3D-Gabor 深度学习 客观视频质量评价
于 2024-08-14 11:00:02 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/141182361
版权

摘要

  1. 首次尝试：文章提出了首次对屏幕内容视频（SCVs）进行主观和客观质量评估的研究。

  2. 屏幕内容视频数据库（SCVD）：构建了首个大规模的视频质量评估（VQA）数据库，专门为SCVs设计，包含16个参考SCVs，800个不同失真的SCVs，以及相应的主观评分。这个数据库对研究使用公开可用。

  3. 失真类型和等级：从每个参考SCV生成的失真SCVs包括10种失真类型，每种类型有5个退化等级。

  4. 主观测试：每个失真的SCV至少由32名受试者进行评分。

  5. 全参考VQA模型（SGFTM）：提出了首个针对SCVs的全参考VQA模型，称为基于时空Gabor特征张量的模型（SGFTM），用于客观评估失真SCVs的感知质量。

  6. 3D-Gabor滤波器&#x

了解本专栏 订阅专栏 解锁全文 超级会员免费看
Codec Conductor
关注
  • 16
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
订阅专栏
Screen Content Image Quality Assessment Using Multi-Scale Difference of Gaussian
02-08
Screen Content Image Quality Assessment Using Multi-Scale Difference of Gaussian
A Subjective Study to Evaluate Video Quality Assessment Algorithms
04-18
图像编码质量测评的经典论文，必读！ Automatic methods to evaluate ...performance is typically evaluated using the results of a subjective study performed by the video quality experts group (VQEG) in 2000.
C3DVQA: FULL-REFERENCE VIDEO QUALITY ASSESSMENT WITH 3D CONVOLUT
08-13
这篇论文的标题是《C3DVQA: FULL-REFERENCE VIDEO QUALITY ASSESSMENT WITH 3D CONVOLUTIONAL NEURAL NETWORK》，作者包括Munan Xu、Junming Chen、Haiqiang Wang、Shan Liu、Ge Li和Zhiqiang Bai。论文由北京大学...
颜色分类leetcode-video-quality-assessment:视频质量评估
07-06
颜色分类leetcode CBMI-2017 - 半自动视频评估系统 目录 介绍 目标是开发一种能够半自动评估视频质量的系统，及时以一种可由人工操作员管理的方式对大量用户生成内容 (UGC) 流进行分类和过滤。 ...
wpsnr.rar_hvs_hvs算法_image assessment_video quality _wpsnr
09-24
标题中的“wpsnr.rar_hvs_hvs算法_image assessment_video quality _wpsnr”提示我们，这个压缩包可能包含一个名为“wpsnr”的程序或脚本，它用于图像质量评估，特别是与人眼视觉系统（HVS）相关的视频质量测量。...
深度学习调参--总结
GDHBFTGGG的博客
08-13 755
在深度学习中，调参是提升模型性能的关键步骤。虽然模型的架构设计和数据选择至关重要，但调参过程同样能够对模型的最终表现产生重大影响。
基于matlab的深度学习案例及基础知识专栏前言
XU157303764的博客
08-13 7104
1.1、matlab:基于模板匹配的车牌识别_阐述基于模板匹配的车牌识别的字符识别-CSDN博客1.2、基于卷积神经网络(CNN)的车牌自动识别系统(matlab)_车牌识别 cnn-CSDN博客 1.3、基于深度学习的线性预测设计(matlab)-CSDN博客 1.4、基于深度学习的自适应线性预测(matlab)_自适应预测算法-CSDN博客 1.5、基于神经网络的训练堆叠自编码器进行图像分类(matlab)_堆叠自动编码器matlab权重初始化-CSDN博客 1.6、基于神经网络拟合函数的体脂估计(ma
机器学习/深度学习——梯度下降法（Gradient descent）详解. 步骤清晰 0基础可看
m0_52889787的博客
08-10 796
梯度下降法是一种用于最小化目标函数的迭代算法，广泛应用于机器学习和人工智能中的参数优化。选择一个初始点θ0​在参数空间中开始搜索。参数可以随机初始化，但应避免全部初始化为零。确定一个适当的学习率α，它是一个正的常数，用于控制每一步更新的幅度。在每一步迭代中，计算目标函数Jθ关于参数θ的梯度∇θ​Jθ。梯度是损失函数增长最快的方向。θnew​θ−α⋅∇θ​Jθ重复步骤3和4直到满足停止条件。每次迭代都使参数更接近最小损失点。ϵ∣∣∇θ​J。
LSTM--概念、作用、原理、优缺点以及简单的示例代码
GDHBFTGGG的博客
08-13 582
LSTM（Long Short-Term Memory）是一种特殊的递归神经网络（RNN），最早由Sepp Hochreiter和Jürgen Schmidhuber在1997年提出。LSTM设计的主要目的是解决标准RNN中的长时依赖问题。RNN在处理长序列时，由于梯度消失或梯度爆炸问题，难以捕捉到长期依赖关系，而LSTM通过引入“记忆单元”（memory cell）和“门控机制”（gating mechanism）来有效地解决这一问题。
卷积神经网络(Basic CNN)（1）
xiongmaowangd的博客
08-13 420
在之前提到，将一个张量对其进行全连接后，会出现例如第一行的最后一位与第二行的第一位最终会连接在一起，丧失了一些原有的空间信息。二维卷积，按照其原始的空间结构进行保存。目标：明确输入和输出的维度（方便我们进行不同的卷积操作）方法：构建特征提取器feature extraction，构建分类器classification（全连接）首先由于全连接会丢失空间信息，因此我们通常先对其进行特征提取，使用到卷积，下采样等（其中一些步骤信息可见上图）。最后对其进行全连接，方便其进行分类操作。
DALL-E 2: 重新定义图像生成的人工智能｜深度学习｜图像生成｜Transformer｜创意设计｜艺术创作｜图像优化｜数据偏见｜计算资源｜精度｜跨领域融合
08-13 198
DALL-E 2 是 OpenAI 推出的一款革命性的图像生成模型，它不仅仅是技术上的创新，更是对图像生成方式的一次颠覆。通过将自然语言与图像生成技术相结合，DALL-E 2 打破了传统图像创作的壁垒，使得任何人都可以通过简单的文字描述来生成高质量的图像。本文将深入探讨 DALL-E 2 的技术原理、实现方法、应用场景、实际操作以及可能面临的挑战，全面分析这一技术对未来图像生成领域的深远影响。
基于深度学习的量子神经网络
weixin_42605076的博客
08-13 689
基于深度学习的量子神经网络（Quantum Neural Networks，QNN）是量子计算和深度学习的结合，旨在利用量子计算的独特特性来提升神经网络的性能。这一研究领域处于计算科学的前沿，旨在探索量子计算的并行性和其他特性，来解决传统神经网络面临的挑战。
【人工智能】【机器学习】- 好书推荐之《深度学习调参指南》
技术分享、程序员趣事、行业趋势等内容！
08-12 551
深度学习调参指南》是一份由Google和哈佛大学的研究人员与工程师共同编写的实战手册，旨在帮助读者系统性地优化深度学习模型的性能。该指南强调了在深度学习实践中遇到的实际问题和解决方案，尤其关注超参数调优的过程，同时也涉及工作流实施和优化等其他方面。
深度学习 —— 个人学习笔记20（转置卷积、全卷积网络）
Springer的博客
08-11 229
本文章为个人学习使用，版面观感若有不适请谅解，文中知识仅代表个人观点，若出现错误，欢迎各位批评指正。文中部分知识参考：B 站 —— 跟李沐学AI；
【机器学习之深度学习】Sigmoid和ReLU的联系与区别、ReLU如何解决死亡问题以及Tanh激活函数的基本概念
m0_49243785的博客
08-10 860
Sigmoid和ReLU各有优缺点，选择哪种激活函数取决于具体的应用场景和需求对于深层网络，ReLU或其变体通常是更合适的选择，因为它们更能应对深层网络训练中的挑战。但是，最终的选择还应该基于具体的应用场景和数据集，有时也可能需要通过实验来确定最佳的激活函数通过这些方法，可以在一定程度上减轻或解决ReLU的死亡问题，从而提高神经网络训练的稳定性和性能在选择激活函数时，通常需要根据具体问题和网络架构来决定ReLU由于其简单性和在许多任务中的有效性，通常是最常用的选择，尤其是在深层网络中
基于深度学习的音频伪造检测
weixin_42605076的博客
08-09 499
基于深度学习的音频伪造检测是一个旨在利用深度学习技术识别和检测伪造音频内容的研究领域。随着生成对抗网络（GAN）等技术的发展，伪造音频（如深伪音频）变得越来越逼真，对社会、法律和安全构成了严重威胁。
基于LSTM的锂电池剩余寿命预测 [电池容量提取+锂电池寿命预测] Matlab代码
small_ccb的博客
08-13 214
2、提取NASA数据集的电池容量，此处以以历史容量作为输入，采用迭代预测的方法对未来的容量进行。2️⃣、评价指标包括:R2、MAE、MSE、RPD、RMSE等，图很多，符合您的需要。4️⃣、赠送测试数据集，可以直接运行源程序。替换你的数据即可用 适合新手小白。3、LSTM可更换为BiLSTM、GRU、BiGRU（仅限购买前免费）1️⃣、运行环境要求MATLAB版本为2018b及其以上。5️⃣、单个代码不讲价，两个及以上才有优惠。两个部分完整代码和NASA的电池数据。3️⃣、代码中文注释清晰，质量极高。
深度学习------------池化层
最新发布
Einstein·Jun
08-13 711
①池化层返回窗口中最大或平均值②缓解卷积层对位置的敏感性③同样有窗口大小、填充和步幅作为超参数设定一个任意大小的矩形池化窗口，并分别设定填充和步幅的高度和宽度# 池化窗口的大小，高度为2，宽度为3。
强化学习之REINFORECE策略梯度算法——已CartPole环境为例
佚名
08-10 170
【代码】强化学习之REINFORECE策略梯度算法——已CartPole环境为例。
fsim: a feature similarity index for image quality assessment代码
12-01
fsim: a feature similarity index for image quality assessment代码是用于图像质量评估的一种特征相似性指数。 该代码是在图像处理领域中常用的一种评估指标，用于量化图像质量的好坏程度。它基于图像的特征相似性来评估图像的质量，而不是简单地比较图像的像素值。 该代码的实现基于一系列的图像特征。它会对输入的两幅图像进行特征提取，然后计算这些特征之间的相似性。其中特征可以包括颜色、纹理、对比度等。 通过计算特征之间的相似性，可以得到两幅图像的相似度。这个相似度的数值可以作为图像质量的评估指标。如果两幅图像的特征相似度高，那么它们的质量就相似。反之，如果相似度低，则意味着图像质量较差。 这个代码对于图像质量评估非常有用。在图像处理领域中，我们经常需要评估算法对图像质量的影响。通过使用fsim代码，我们可以定量地评估算法对图像质量的改善程度。 同时，这个代码也可以用来比较不同图像处理算法之间的效果。通过计算不同算法处理后图像的质量评估指标，我们可以选择最佳的算法进行图像处理。 总而言之，fsim: a feature similarity index for image quality assessment代码是一种用于图像质量评估的特征相似性指数。它通过计算图像特征之间的相似性来评估图像的质量，可以用于算法的质量评估和算法选择。
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

Codec Conductor

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