视频质量评估学习Note

术语“编解码器 Coder/Decoder”是压缩器/解压缩器或编码器/解码器一词的缩写。顾名思义，编码可使视频文件变小以进行存储，然后在需要再次使用时将压缩后的数据转换成可用的图像。

视频质量评价(VQA)是以人眼的主观质量评估结果为依据，使用算法模型对失真视频进行评估。

传 统的评估方法难以做到主观评价结果与客观评价结果相一致。基于深度学习的视频质量评价方法无需加入 手工特征，通过模型自主学习即可进行评估，对视频质量的监控和评价有重要意义

计算机视觉的数据集开源下载

https://www.cnblogs.com/leoking01/p/13529027.html

https://blog.csdn.net/zh_JNU/article/details/79700219

近些年VQA（video quality assessment）论文发表情况CVPR、ICCV、ECCV

DVQA是腾讯多媒体实验室设计的基于深度学习的全参考视频质量评估算法。在整个视频链路中，我们可以量化大部分模块，如采集，上传，预处理，转码，分发。我们最未知的却恰恰是最关键的部分，即用户的视频观看体验。DVQA适用于在源参考视频可用的场景下，精确衡量视频内容的人眼感知质量。

C3DVQA所使用的网络结构如下图所示。其输入为损伤视频和残差视频。网络包含两层二维卷积来逐帧提取空域特征。级联后使用四层三维卷积层来学习时空联合特征。三维卷积输出描述了视频的时空掩盖效应，我们使用它来模拟人眼对视频残差的感知情况：掩盖效应弱的地方，残差更容易被感知；掩盖效应强的地方，复杂的背景更能掩盖画面失真。

网络最后是池化层和全连接层。池化层的输入为残差帧经掩盖效应处理后的结果，它代表了人眼可感知残差。全连接层学习整体感知质量和目标质量分数区间的非线性回归关系