基于深度学习的视频质量评价研究综述

谭娅娅，孔广黔

贵州大学 计算机科学与技术学院，贵阳550025

近年来，随着互联网技术的迅速发展，各种视听设备充斥着人们的日常生活，视频的分享传输也更加频繁。高质量视频的需求也不断增加。在压缩和上传视频的过程中，视频易受到损伤而导致视频质量下降，如丢包、模糊和高斯噪声等损伤行为。因而，对视频质量进行评价是非常必要的。视频质量评价（video quality assessment，VQA）是视频服务系统中的重要技术，在视频编码器性能评测、视频质量监测方面有广泛应用，是为观众提供高质量视频的必要技术[1]。视频质量评价方法有两种，一种是视频主观质量评价方法，一种是视频客观质量评价方法。又根据对原始视频的依赖程度，视频客观质量评价方法可以分为三种类型：全参考（full reference，FR）、部分参考（reduced reference，RR）和无参考（no reference，NR）。全参考需要依靠完整的原始视频；部分参考需要依靠部分原始视频；而无参考不需要依靠原始视频，只需要针对失真视频进行评价。在许多实际情况中，由于难以获得原始视频，因而无参考视频的评价方法具有重要的研究应用价值，成为近年来视频评价方面的研究热点。

在科技快速发展、大数据爆发的当下，VQA方法不再是以传统的基于手工特征的方式进行评估，基于深度学习的VQA 方法成为了大数据下的研究趋势。并且随着多媒体种类的增加，人类接收视觉信息的途径也越来越多，视频的种类也不再单一，出现了立体视频、全方位视频和虚拟现实（virtual reality，VR）视频等多样的视频类型。……