基于3D卷积神经网络的无参考视频质量评价

来源：软件学报杂志2016年第S2期北京时间：

作者：王春峰,苏荔,张维刚,黄庆明

单位：王春峰，中国科学院大学 数据挖掘与知识管理重点实验室, 北京 10004911,苏荔，中国科学院大学 数据挖掘与知识管理重点实验室, 北京 100049;中国科学院 计算技术研究所 智能信息处理重点实验室, 北京 10019002,张维刚，中国科学院大学 数据挖掘与知识管理重点实验室, 北京 100049;哈尔滨工业大学(威海) 计算机与科学与技术学院, 山东 威海 26420903,黄庆明，中国科学院大学 数据挖掘与知识管理重点实验室, 北京 100049;中国科学院 计算技术研究所 智能信息处理重点实验室, 北京 10019004

摘要：无参考视频质量评价（NR-VQA)在无法获得原始高质量视频参照的前提下，对失真视频的视觉质量进行定量度量.常规NR-VQA方法通常针对特定失真类型设计，或者与人的主观感受存在偏差.首次将3D深度卷积神经网络（3D-CNN)引入到了视频质量评价中，提出了一种基于3D-CNN的无参考视频质量评价方法，可以适用于非特定失真类型的NR-VQA.首先，通过3D块来有效学习和表征视频内容的时空特征.其次，对常规的3D卷积网络模型进行改进，使其适用于视频质量评价的任务.实验结果表明，所提出的方法在多种失真类型和多个测试指标上，与人的主观感知一致性较高.作为无参考视频质量评价方法，其性能与许多全参考评价方法具有可比性，同时比主流的NR-VQA方法具有更快的运行速度，这使得所提模型在实际中具有更好的应用前景.

关键词：视频质量评价;3D;深度卷积神经网络;无参考;全参考

基金资助：国家自然科学基金（61025011，61332016，61472389)；国家重点基础研究发展计划（973)（2015CB351802)