Video compression dataset and benchmark of learning-based video-quality metrics

要約

映像品質測定は、映像処理における重要なタスクである。現在、AV1、VVC、LCEVCなどの新しいエンコーディング規格の多くの実装では、最適化目標となる知覚的なメトリックを持つ深層学習ベースの復号化アルゴリズムが使用されています。しかし，最新の映像・画像品質指標の性能を調査するには，AVC などの古い規格で圧縮された動画を使用するのが一般的である．本論文では、映像圧縮を評価する新しい映像品質指標のベンチマークを提示する。このベンチマークは，AVC，HEVC，AV1，VP9，VVCなどの異なる規格でエンコードされた約2,500ストリームからなる新しいデータセットに基づく．主観的なスコアは，クラウドソーシングによるペアワイズ比較を用いて収集された．評価対象のメトリクスには、機械学習やニューラルネットワークに基づく最近のものも含まれています。その結果，新しい無参照メトリクスは主観的品質と高い相関を示し，トップレベルの完全参照メトリクスの能力に近づくことが示された．

要約(オリジナル)

Video-quality measurement is a critical task in video processing. Nowadays, many implementations of new encoding standards – such as AV1, VVC, and LCEVC – use deep-learning-based decoding algorithms with perceptual metrics that serve as optimization objectives. But investigations of the performance of modern video- and image-quality metrics commonly employ videos compressed using older standards, such as AVC. In this paper, we present a new benchmark for video-quality metrics that evaluates video compression. It is based on a new dataset consisting of about 2,500 streams encoded using different standards, including AVC, HEVC, AV1, VP9, and VVC. Subjective scores were collected using crowdsourced pairwise comparisons. The list of evaluated metrics includes recent ones based on machine learning and neural networks. The results demonstrate that new no-reference metrics exhibit a high correlation with subjective quality and approach the capability of top full-reference metrics.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL