評估VR視頻感知質量的新方法

（中國AI網 2025年06月23日）虛擬現實視頻質量評估（VR-VQA）旨在評估360度視頻的感知質量，這對于確保無失真的用戶體驗至關重要。傳統的基于有限失真多樣性的靜態數據集訓練的VR-VQA方法難以平衡相關性和精度。當推廣到不同的VR內容并不斷適應動態和不斷發展的視頻分發變化時，這一點變得尤為重要。

為了解決所述挑戰，北航團隊提出了一種評估VR視頻感知質量的新方法：Adaptive Score Alignment Learning（ASAL）。ASAL集成了相關損失和誤差損失，以增強與人類主觀評分的一致性和預測感知質量的精度。特別是，ASAL可以通過特征空間平滑過程自然地適應不斷變化的分布，從而增強對未見內容的泛化。

與傳統的CL模型不同，ASAL利用關鍵幀提取和特征自適應來解決VR設備計算和存儲限制下的非平穩變化的獨特挑戰。研究人員為VR-VQA建立了一個全面的基準，引入了新的數據分割和評估指標。實驗表明，ASAL優于最近的強基線模型，在各種數據集的靜態聯合訓練設置中實現了高達4.78%的總體相關增益，在動態CL設置中實現了12.19%的總體相關增益。這驗證了ASAL在解決固有挑戰方面的有效性。

北航團隊提出ASAL方法提升VR視頻質量評估精度 第1張

......（全文 2271 字，剩余 1853 字）


請微信掃碼通過小程序閱讀完整文章
或者登入網站閱讀完整文章
映維網會員可直接登入網站閱讀
PICO員工可聯系映維網免費獲取權限