基于深度感知和运动信息的3D视频质量评价

最新推荐文章于 2023-05-09 16:27:00 发布

原创

最新推荐文章于 2023-05-09 16:27:00 发布 · 850 阅读

1 ·

CC 4.0 BY-SA版权

文章标签：

#视频 #算法 #3d

该论文提出了一种结合深度感知和运动信息的3D视频质量评价方法，通过权重图对PSNR和SSIM算法进行加权，以更准确地反映3D视频的客观质量。研究指出，深度感知和运动信息是影响3D视频观看体验的重要因素，特别是在考虑人类视觉系统的敏感性时。实验使用光流法获取运动信息，并在MSE和SSIM的基础上进行了加权改进，以提高评估准确性。

　　本篇论文由IEEE的成员Donghyun Kim, Seungchul Ryu and Kwanghoon Sohn发表。
本文把深度感知信息和运动信息联系起来，产生一幅3D视频质量评价（3D VQA）的权重图（weghting map），然后用权重图来对PSNR和SSIM算法进行加权运算，得出3D视频客观质量。
　　在3D视频中，深度感知是其重要的影响因素。如在观看3D视频中，人们更关注正视差的物体。此外，本文认为运动信息是HVS的另一个重要影响因素。
　　论文使用光流法来获得运动信息M。对于当前视点v，这里写图片描述和分别是其水平运动矢量和垂直运动矢量，则上一帧的运动矢量可以这样得出：
　　　　　　　　　
　　f为一帧，W为16x16的宏块，则当前视点的运动信息为：
　　　　　　　　　　　　　　　　　　　　这里写图片描述
　　是一个线性归一化函数，将运动信息的值固定在0~255之间。
　　下图是产生权重图的基本运算框架：
　　　　　　　　
　　　　　　　　　　　
　　　　　　　　　　　　　　　　　　　