Correlations between between video quality scores and video variables.

Figshare2025-02-06 更新2026-04-28 收录

数据链接：

https://figshare.com/articles/dataset/Correlations_between_between_video_quality_scores_and_video_variables_/28362383 数据链接链接失效反馈

官方服务：

资源简介：

Correlations between between video quality scores and video variables.

创建时间：

2025-02-06

VisionRewardDB-Video

视频质量评估

人工智能

VisionRewardDB-Video是一个为多维度AI生成视频质量评估设计的综合视频评估数据集。它包含21个不同维度的注释，涵盖文本到视频的一致性、美学质量、运动动力学、物理现实和技术规格等。数据集分为train、regression和monetbench三种配置，分别用于模型训练、标准化评估和性能评估。

Hugging Face2025-02-12 更新780

VR Video Quality in the Wild

虚拟现实

视频质量评估

Investigating how people perceive virtual reality videos in the wild (i.e., those captured by everyday users) is a crucial and challenging task in VR-related applications due to complex authentic dist

DataCite Commons2023-11-21 更新140

Human-X/FVQ-20K

人脸识别

视频质量评估

FVQ-20K数据集是一个野外人脸视频质量评估（FVQA）的数据集，包含20,000个人脸视频和对应的MOS评分。该数据集被划分为训练集、验证集和测试集，比例为80% : 5% : 15%。

Hugging Face2025-10-05 更新110

Features and Quality Metrics Datasets for Video Coding in DASH

视频编码

视频质量评估

该数据集与提交至Scientific Data期刊的论文相关，包含了用于提取特征和计算视频质量评估(VQA)指标的样本Bash和Python源代码。这些脚本用于从4K视频中提取特征并计算VQA指标，目的是创建公开可用的数据集，这些数据集可在figshare上找到。

github2024-05-03 更新230

LIVE-VQC (LIVE Video Quality Challenge (VQC) Database)

视频质量评估

真实世界视频失真

摄像技术、相机设计、压缩和处理协议、通信和带宽环境以及显示方面的巨大差异导致了各种各样的视频障碍。当前的无参考 (NR) 视频质量模型无法处理这种失真的多样性。这在一定程度上是正确的，因为可用的视频质量评估数据库包含非常有限的内容、固定的分辨率，是由少数摄像师使用少量相机设备捕获的，并且受到了适度的失真。因此，这些数据库无法充分代表真实世界的视频，这些视频包含在高度多样化的成像条件下获得的非常不同

OpenXLab120

Correlations between between video quality scores and video variables.

资源简介：

相关数据集