MD VQA多维度UGC直播视频质量评估

UGC直播视频在捕获过程中容易受到各种失真影响，导致视觉质量差异化。此外，这些视频在分发给终端用户之前，通常还会经过压缩和转码处理，进一步影响其质量。因此，需要一种有效的视频质量评估工具来监控和优化直播视频的分发过程。尤其是随着UGC直播视频的广泛应用，现有的评估方法无法有效处理这些变化，迫切需要新的技术手段来应对这些挑战。

作者提出了一种创新的解决方案，通过构建首个UGC直播视频质量评估（VQA）数据库，来支持相关的研究工作。该数据库包含418个来自真实直播场景的源视频，并生成了3762个不同压缩比特率的视频样本，用于后续的主观VQA实验。此举为UGC直播视频的质量评估提供了真实且具有代表性的数据支持。

基于这一数据库，作者开发了多维度VQA（MD-VQA）评估器，能够从语义、失真和运动三个维度对UGC直播视频的视觉质量进行评估。该工具在设计时考虑了直播视频的多样性，能够更精确地捕捉到用户体验中的细微差异，为后续的质量监控和优化提供了有效支持。

实验结果表明，MD-VQA在作者构建的UGC直播VQA数据库以及现有的压缩UGC VQA数据库中，均表现出了领先的性能。这证明了该方法在提升UGC直播视频质量评估准确性方面的潜力，并为未来相关技术的开发和应用提供了有力的参考。