LIVE-FB LSVQ (LIVE-FB Large-Scale Social Video Quality (LSVQ) Database)

无参考 (NR) 感知视频质量评估 (VQA) 是社交和流媒体应用的一个复杂、未解决且重要的问题。需要高效和准确的视频质量预测器来监控和指导数十亿共享的、通常不完美的用户生成内容 (UGC) 的处理。不幸的是，当前的 NR 模型对真实世界的“野外”UGC 视频数据的预测能力有限。为了推进这个问题的进展，我们创建了（迄今为止）最大的主观视频质量数据集，包含 39,000 个真实世界失真视频和 117,000 个时空本地化视频补丁（“v-patches”），以及 5.5M人类感知质量注释。使用它，我们创建了两个独特的 NR-VQA 模型：（a）一个基于局部到全局区域的 NR VQA 架构（称为 PVQ），它学习预测全局视频质量并在 3 UGC 数据集，以及 (b) 首创的时空视频质量映射引擎（称为 PVQ Mapper），有助于定位和可视化空间和时间的感知失真。我们将在审查过程后立即提供新的数据库和预测模型。