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

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种类的内容，并且受到难以或不可能模拟的真实、复杂且经常混合的失真的影响。因此，在真实世界视频数据上测试的 NR 视频质量预测器通常表现不佳。为了推进 NR 视频质量预测，我们构建了一个大型视频质量评估数据库，其中包含 585 个独特内容的视频，这些视频由 80 个不同的用户使用 101 个不同的设备（43 个设备模型）捕获，具有各种级别的复杂、真实的失真。我们通过众包收集了大量主观视频质量分数。共有 4776 名独特的参与者参与了这项研究，产生了超过 205000 个意见分数，每个视频平均记录了 240 个人类意见。这项研究是有史以来规模最大的视频质量评估研究，涉及几个关键维度：独特内容的数量、捕获设备、失真类型和失真组合、研究参与者和记录的主观分数。