前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >移动平台上的视频主观质量评价

移动平台上的视频主观质量评价

作者头像
用户1324186
发布2019-09-26 10:15:48
9070
发布2019-09-26 10:15:48
举报
文章被收录于专栏:媒矿工厂

本文是来自MHV(Mile High Video)2019的演讲,演讲者来自于Twitter公司的Sebastiaan Van Leuven。本次演讲主要讲述如何评价移动端上播放视频的用户体验。

Sebastiaan首先介绍了对视频测试平均意见分数(Mean Opinion Score)的方法及其优缺点。第一种方法是绝对类别评级(Absolute Category Rating):向受试者随即展示一段视频,受试者直接在1到5的区间内打分,然后一直重复。这种办法最简单,易于操作,但测试结果不精确,非线性,在不同的测试组中结果不一致,而且测试往往需要大量的受试者。另一种方法是双刺激MOS(Double Stimulus MOS):随机选择一段视频,向受试者分别展示原视频和损伤视频,受试者直接在1到5的区间内打分,一直重复直至测试完成。这种方法结果一致性高于MOS,但测试结果同样不精确,非线性,且需要大量打分者。

接下来Sebastiaan介绍了参照标度的设计(Referenced Scale Design),其目的是设计一个线性单调递增的感知质量标度。他们对视频集在不同分辨率和码率下进行编码,然后创建PSNR曲线的凸包,然后选取50个对数间隔的分数点,然后以这些点中间位置对应的码率和分辨率重新对视频进行编码,得到最初参考视频集。受试者对最初参考集中的视频成对打分,使用梯度下降推断相对感知质量,从感知质量轴中选择50个线性间隔的样本,在中间位置对新样本进行编码,以改善参考视频集。

最后,Sebastiaan介绍了自适应成对比较(Adaptive Paired Comparison)。当我们有了质量呈线性分布的参照视频后,便可将其作为对照对某一视频进行打分。首先随机选取一个视频,用粒子滤波算法从参照视频中选择一个,向受试者展示两个视频并询问哪个视频看起来更好,然后更新主观质量的概率分布。在对所有样本打分后得到测试视频相比于所有参考视频的优劣情况,对以上数据进行逻辑回归,具有50%概率的交点对应的参考视频等级即为观察到的质量水平。

附上演讲视频:

演讲PPT全文

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2019-09-25,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 媒矿工厂 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档