GameScope

GameScope是当前最大的游戏视频质量评估数据集，由德克萨斯大学奥斯汀分校和科罗拉多大学博尔德分校联合创建。该数据集包含4048个视频样本，覆盖H.264、H.265和AV1三种主流编解码器，每个视频平均获得37个主观评分。数据来源包括用户生成内容（UGC）和专业生成内容（PGC），涵盖多种游戏类型和视觉多样性。数据集通过亚马逊Mechanical Turk平台进行大规模主观研究，旨在解决跨编解码器的游戏视频质量评估问题，为流媒体平台提供质量优化依据。

GameScope is the largest currently available game video quality assessment dataset, jointly created by The University of Texas at Austin and the University of Colorado Boulder. This dataset comprises 4,048 video samples, covering three mainstream codecs: H.264, H.265, and AV1, with each video receiving an average of 37 subjective ratings. Its data sources include user-generated content (UGC) and professionally generated content (PGC), spanning a wide array of game genres and diverse visual characteristics. The dataset was developed via large-scale subjective studies conducted on the Amazon Mechanical Turk platform, aiming to address cross-codec game video quality assessment challenges and provide a reliable foundation for quality optimization in streaming platforms.

原始信息汇总

数据集概述：GameScope v1.0

GameScope 是一个面向游戏视频质量评估的多属性、多编码器基准数据集，相关论文已被 ICIP 2026 接收。

基本规模与规格

• 数据集名称: GameScope v1.0
• 论文状态: 已被 ICIP 2026 接收
• 最大分辨率: 4K
• 最大帧率: 60 FPS
• 编码器: 多编码器（Multi Codecs）
• 视频片段总数: 4,048 个
• 平台来源:
  • PlayStation 5 (PS5) — 高保真内容
  • 用户生成内容 (UGC) — 多样化质量

数据分布

• 内容类型: 包含多种游戏内容，覆盖不同平台（PS5 与 UGC）。
• 分辨率分布: 数据集按不同标准流媒体分辨率进行了平衡采样（如 640x1422、1280x720、1920x1080、3840x2160 等），确保各分辨率下均有代表性片段。

元数据与标注

• 主观评分: 所有视频片段均经过众包主观评估，获得 Mean Opinion Score (MOS) 值。
• MOS 分布: 提供了总体 MOS 得分分布图，以及训练集和测试集的 MOS 分布（两者均具备平衡的质量覆盖）。
• 其他可视化: 包含剪辑计数和分数分布图等元数据可视化图表。

示例视频画廊

数据集提供可交互筛选的视频画廊，支持按以下维度筛选：

• Platform: 全部 / PS5 / UGC
• Clarity: 全部等级 / 极清晰 / 轻微清晰 / 中等清晰
• Artifacts: 全部等级 / 轻微伪影 / 无可见伪影 / 严重伪影
• Immersion: 全部等级 / 低沉浸感 / 中等沉浸感 / 高沉浸感

画廊中展示的示例视频片段信息（部分片段）包括游戏名称、平台、清晰度、伪影程度、沉浸度、MOS 值、分辨率、帧率及片段时长（帧数）。例如：

• skyrim (PS5, 轻微清晰, 严重伪影, 低沉浸): MOS 12.69, 1280x720, 59.94 fps, 600 帧
• subwaysurfers (UGC, 极清晰, 无可见伪影, 高沉浸): MOS 80.85, 1920x3388, 30 fps, 300 帧

下载与资源

• 数据集下载: 可通过 Download Dataset 链接获取（页面中为绝对路径 https://rajeshsureddi.github.io/GameScope/ 下的相对资源）。
• 代码: 提供 GitHub 仓库（GitHub 链接指向 https://rajeshsureddi.github.io/GameScope/ 下相关页面）。
• 元数据可视化: 所有 GamingVQA 可视化资料（包括剪辑计数和分数分布图）均可在线查阅。

内容使用说明

所有视频样本仅用于学术研究。若出现版权争议，相关视频将应要求立即删除。

搜集汇总

数据集介绍

构建方式

GameScope数据集的构建过程始于从74款游戏中收集424段十秒时长的源内容片段，这些片段涵盖用户生成内容（UGC）与专业生成内容（PGC）两大类别。UGC部分从YouTube获取，包含玩家面部、叠加层等编辑痕迹，而PGC部分则通过PlayStation 5内部录制硬件直接捕捉，确保原始图像未经后续处理。随后，对源内容应用分辨率-比特率阶梯，并采用H.264、H.265及AV1三种广泛使用的编码器进行压缩，最终生成包含4048个视频样本的数据集，每个样本均保留原始源内容以便进行主观评估。

使用方法

使用GameScope数据集时，研究者可遵循论文中推荐的训练-测试划分协议，该协议严格基于源内容隔离以防止偏差，并保持UGC与PGC视频的比例分布。对于传统方法，可在训练集上训练基于SVR的模型（如VIDEVAL、GANIVAL）或深度学习模型（如VSFA），并在测试集上评估；对于零样本模型（如Qwen3-VL-4B），可直接在测试集上进行推理以预测MOS或文本属性。数据集公开于https://rajeshsureddi.github.io/GameScope/，支持多种质量评估任务的基准测试。

背景与挑战

背景概述

随着全球游戏产业与流媒体平台的蓬勃发展，游戏视频已成为数字娱乐生态中的核心内容形态。然而，现有视频质量评估数据集多针对自然场景，难以捕捉游戏内容特有的纹理复杂度与动态特征。为填补这一空白，德克萨斯大学奥斯汀分校与科罗拉多大学博尔德分校的研究人员于2025年联合发布了GameScope数据集，旨在系统性地解决多编码器、多属性场景下游戏视频质量评估的难题。该数据集由Rajesh Sureddi、Shreshth Saini、Avinab Saha及Alan C. Bovik主导构建，共包含4048个视频样本，覆盖H.264、H.265与AV1三种主流编码器，并融合了用户生成内容与专业生成内容，其广泛的分辨率跨度与视觉多样性为领域内最大规模。除总体平均意见得分外，数据集还标注了清晰度、伪影及沉浸感等粗粒度质量属性，为感知因素的深入剖析提供了前所未有的资源。该数据集的开源发布，预期将有力推动游戏视频质量评估算法从通用模型向专业化、细粒度方向的演进。

当前挑战

GameScope数据集所应对的核心领域挑战在于，游戏视频因其独特的纹理结构、高频运动与合成画面，导致传统通用型视频质量评估方法在编码失真感知上表现不佳，亟需专门化的数据集以支撑模型训练与基准测试。在构建过程中，研究团队面临多重难点：首先，需在保证内容多样性的前提下，从74款游戏中筛选并剪辑时长10秒的424个源片段，兼顾用户生成内容的编辑噪声与专业源素材的纯净性；其次，编码参数的选择极具挑战性，为在不同分辨率下实现感知可分离的码率梯度，不得不摒弃标准码率建议而手工调参；再者，在线主观实验需平衡信效度与规模，通过三阶段众包筛选、内置重复题与黄金视频校验等机制，确保最终获取的37人平均评分具有较高一致性。上述挑战的克服，奠定了该数据集在游戏视频质量评估领域的标杆地位。

常用场景

经典使用场景

GameScope数据集的核心应用场景在于为游戏视频流媒体环境下的质量评估提供大规模、多维度、跨编码器的基准测试平台。该数据集涵盖了H.264、H.265与AV1三种主流编码器，并融合了用户生成内容与专业生成内容，囊括从360p至2160p的多种分辨率及横竖屏格式。研究者可借此场景系统性地评估无参考视频质量评估模型在不同编码器与内容类型上的泛化能力，尤其适用于训练和测试面向游戏视频的专用质量预测算法。

解决学术问题

GameScope有效填补了游戏视频质量评估领域缺乏大规模、多编码器、多属性标注数据集的研究空白。此前数据集受限于内容种类少、编码器单一（如仅支持H.264）或样本量不足，难以支撑鲁棒的模型训练与跨场景泛化验证。GameScope通过提供4048个视频样本及每段视频平均37个主观评分，辅以清晰度、块效应和沉浸感等细粒度质量属性，使学界能够深入分析感知质量与编码参数、内容类型间的耦合关系，推动从单一标量评分向多维感知理解的研究范式转型。

实际应用

在产业界，GameScope可直接服务于游戏直播平台（如Twitch、YouTube Gaming）的视频质量监控与优化系统。借助该数据集训练的模型能够实时检测码率阶梯选择不当导致的清晰度下降或压缩伪影，指导编码器参数自适应调整。同时，该数据集支持横竖屏格式与移动端内容，适用于手机游戏云串流服务的质量保障场景，帮助运营商在受限带宽下平衡沉浸体验与传输成本，提升终端用户的观看满意度。

数据集最近研究

最新研究方向

GameScope数据集的研究前沿集中在大规模、多编解码器与多属性标注的游戏视频质量评估领域。随着游戏直播生态的迅猛扩张，如何精准量化不同编码格式（H.264、H.265、AV1）、不同内容类型（UGC与PGC）下的画质感知成为核心挑战。该数据集首次整合4048个视频样本与37个平均主观评分，并引入清晰度、块效应与沉浸感等粗粒度质量属性，推动多维度感知分析。基于此，研究者重点探索视觉语言模型（如Qwen3-VL-4B）在零样本条件下的视频质量预测能力，突破了传统指标对游戏内容统计特征的局限性。这一工作不仅为流媒体平台的编码优化提供了参照基准，更奠定了可解释性质量评估算法发展的基石，具有显著的行业与学术双重影响。

相关研究论文

• GameScope: A Multi-Attribute, Multi-Codec Benchmark Dataset for Gaming Video Quality Assessment

  德克萨斯大学奥斯汀分校; 科罗拉多大学博尔德分校 · 2026年