基于深度学习的视频质量评价方法研究综述

作     者：杨文兵 邱天 张志鹏 施博凯 张明威 YANG Wenbing;QIU Tian;ZHANG Zhipeng;SHI Bokai;ZHANG Mingwei

作者机构：五邑大学中国科学院半导体研究所数字光芯片联合实验室广东江门529020 

出 版 物：《现代信息科技》 (Modern Information Technology)

年 卷 期：2024年第8卷第7期

页      面：73-80,85页

学科分类：1305[艺术学-设计学（可授艺术学、工学学位）] 12[管理学] 13[艺术学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 08[工学] 081104[工学-模式识别与智能系统] 0804[工学-仪器科学与技术] 0835[工学-软件工程] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：2021年江门市创新实践博士后课题研究资助项目(JMBSH2021B04) 广东省重点领域研发计划(2020B0101030002) 

主　　题：深度学习 视频质量评价 2D-CNN 3D-CNN 

摘      要：互联网时代充斥着海量的质量参差不齐的视频,低质量的视频极大地削弱人的视觉感官体验同时对储存设备造成极大压力,进行视频质量评价(VQA)势在必行。深度学习理论的发展为视频质量评价提供了新的思路,首先简单介绍视频质量评价理论知识和传统的评价方法,其次对基于深度学习的评价模型进行神经网络分类——2D-CNN和3D-CNN,并分析模型的优缺点,再次在公开数据集上分析经典模型的性能表现,最后对该领域存在的缺点和不足进行总结,并展望未来的发展趋势。研究表明:公开的数据集仍不充足;无参考的评价方法最具发展潜力,但其在公开数据集上的性能表现一般,仍有很大的提升空间。