Core Concepts
선명도 특징이 맹목적 비디오 품질 평가 모델의 성능에 미치는 영향을 연구하였다.
Abstract
이 연구는 비디오 품질 평가(VQA)에 대한 연구를 수행했다. VQA는 현대 시대에 중요한 연구 분야로, 비디오가 모든 분야에서 중요한 통신 요소가 되었기 때문이다. 모바일 기술의 발전으로 누구나 비디오를 만들 수 있게 되면서 다양한 품질의 비디오가 생산되고 있다.
기존의 VQA 방법에는 SSIM, PSNR과 같은 고전적인 지표들이 있었지만, 최근 기계 학습 기술의 발전으로 CNN 또는 DNN 기반의 새로운 VQA 기법들이 등장했다. 특히 BVQA(Blind Video Quality Assessment) 모델은 자연 기반 비디오의 품질을 DNN을 이용해 평가할 수 있음을 보여주었다.
이 연구에서는 BVQA 모델에서 선명도 특징이 미치는 영향을 분석하였다. 선명도는 비디오 이미지의 명확성과 세부 사항을 나타내는 척도이다. 선명도 특징 추출기를 기존 공간 특징 추출기 대신 사용하여 BVQA 모델의 성능을 평가하였다.
실험 결과, 선명도 특징 추출기를 사용한 모델이 기존 모델과 유사한 성능을 보였다. 이는 선명도 특징이 BVQA 모델에 효과적으로 활용될 수 있음을 시사한다. 향후 연구에서는 선명도 특징 추출기의 성능 향상과 더 큰 데이터셋 활용을 통해 선명도 특징의 영향을 더 깊이 있게 분석할 계획이다.
Stats
선명도 특징 추출기 모델은 TID2013 데이터셋의 선명도 관련 왜곡이 포함된 900개의 이미지로 학습되었다.
제안된 BVQA 모델은 CVD2014 데이터셋의 54개 비디오를 사용하여 학습 및 평가되었다.