文献

J-GLOBAL ID：201902282722782966   整理番号：19A1194122

知識とデータ駆動モデルのアンサンブルに基づく無参照ビデオ品質評価【JST・京大機械翻訳】

No-Reference Video Quality Assessment Based on Ensemble of Knowledge and Data-Driven Models

著者 (3件)： Su Li (University of Chinese Academy of Sciences, Beijing, China) ,  Cosman Pamela (University of California at San Diego, San Diego, USA) ,  Peng Qihang (University of Electronic Science and Technology of China, Chengdu, China)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 11296  ページ： 231-242  発行年： 2019年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 無参照(NR)ビデオ品質評価(VQA)は,対応する元の信号を参照することなく,人間の視覚認識による線のビデオ歪を評価することを目的とする。多くの方法は,人々の経験の事前知識を用いてモデルを設計することを試みる。それは,ビデオコンテンツの基礎となる複雑さと人間の視覚システムの複雑なメカニズムの比較的限られた理解のために挑戦的である。最近,いくつかの学習ベースのNR-VQA法を提案し,データ駆動法と見なした。しかしながら,多くの実際的シナリオにおいて,ラベル付きデータは非常に制限され,学習能力を著しく制限する。本論文では,まず,データ駆動モデルV-CNNを提案した。それは,時変ビデオコンテンツの空間的および時間的歪みに適応的に適合する。浅いニューラルネットワークを用いることにより,空間部分は従来のモデルよりも速く走る。時間的部分は,時間的SSIMジッタとヒステリシスプールを導入することによって,人間の主観的知覚とより一貫している。次に,V-CNNと知識駆動モデルVIIDEOの相補性を利用した。最先端の完全参照と比較して,減少した参照と参照VQA方法がないので,提案したアンサンブルモデルは,限られた訓練データによる性能と効率の間のより良いバランスを示した。Copyright 2019 Springer Nature Switzerland AG Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： ヒステリシス ,  *録画装置 ,  ジッタ ,  視認 ,  ニューラルネットワーク ,  学習
準シソーラス用語： 訓練データ ,  構造的類似性 ,  学習能力 ,  視覚システム ,  映像コンテンツ ,  事前知識 ,  *ビデオ品質 ,  *品質評価 ,  *データ駆動 , 【Automatic Indexing@JST】

著者キーワード (4件)： 基準のないビデオ品質評価 ,  ニューラルネットワーク ,  事前知識 ,  空間的および時間的情報

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (7件)： 知識 ,  データ駆動 ,  モデル ,  アンサンブル ,  参照 ,  ビデオ品質 ,  評価