{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{“日期-部件”：[[2024,8,11]]，“日期-时间”：“2024-08-11T02:09:18Z”，“时间戳”：1723342158852}，“引用-计数”：44，“发布者”：“MDPI AG”，“问题”：“3”，“许可证”：[{“开始”:{“日期-零件”：[2021,3,13]]，”日期-时间“：”202 1-03-13T00:00:00Z“，”时间戳“：1615593600000}，“content-version”：“vor”，“delay-in-days”：0，“URL”：“https:\/\/creativecommons.org\/licenses\/by\/4.0\/”}]，“内容域”：{“域”：[]，“crossmark-restriction”：false}，“short-container-title”：[“J.Imaging”]，“抽象”：“由于包含受自然失真影响的视频的数据库的扩展，对消费者制作的视频内容的无参考视频质量评估（NR-VQA）方法进行了大量研究。在这项工作中，我们设计了一种有效的NR-VQA方法。该方法利用了一种新的采样模块，能够从整个视频序列中选择预定数量的帧来进行质量评估。它使用两个轻量级卷积神经网络（CNN）对视频帧的质量属性和语义内容进行编码。然后，它使用支持向量回归（SVR）估计整个视频的质量分数。我们使用四个包含用户生成视频的基准数据库（CVD2014、KoNViD-1k、LIVE-Qualcomm和LIVE-VQC），将提出的方法与几种相关的最新方法进行了比较。结果表明，所提出的方法以较低的计算成本预测主观视频质量，与单个数据库上的最新方法一致，并且在跨数据库设置中比现有方法具有更好的通用性<\/jats:p>“，”DOI“：”10.3390\/jimaging7030055“，”type“：”journal-article“，”created“：{”date-parts“：[2021,3,15]]，”date-time“：”2021-03-15T02:13:10Z“，”timestamp“：1615774390000}“，”page“：“55”，“source”：“Crossref”，“is-referenced-by-count”：9，“title”：[“无参考视频质量评估的有效方法”]，“前缀”：“10.3390”，“volume”：“7”，“作者”：[{”ORCID“：”http://\/ORCID.org\/0000-0002-009-8007“，”authenticated-ORCID“：false，”given“：“Mirko”，”family“：”Agarla“，”sequence“：”first“，”affiliation“：[{”name“：”Milano-Biocca大学信息、系统和通信系，Viale Sarca，336，20126 Milano，Italy“}]}，{”ORCIDauthenticated-orcid“：false，”given“：”Luigi“，”family“：”Celona“，”sequence“：”additional“，”affiliation“：[{”name“：”Milano-Biocca，Viale Sarca，33620126 Milano，Italy“}]}，{”orcid“：Schettini“，”sequence“：”additional“，”affiliation“：[{”name“：”Milano-Biocca大学信息、系统和通信系，Viale Sarca，33620126 Milano，Italy“}]}]，”member“：”1968“，”published-online“：{”date-parts“：[[2021,3]]}，”reference“：[}”key“：”ref_1“，”doi-asserted-by“：”crossref“，“unstructured”：“Li，Y.、Meng，S.、Zhang，X.、Wang，S.，Wang，Y.和Ma，S.（2020年，2013年1月6日）。用户生成视频的感知质量评估。IEEE多媒体信息处理和检索会议论文集，中国深圳。“，”DOI“：”10.1109\/MIPR49039.2020.00015“｝，｛”key“：”ref_2“，”DOI由“：”crossref“断言，”非结构化“：”Yim，J.G.，Wang，Y.，Birkbeck，N.，and Adsumilli，B.（2020年1月25日\u201328）。youtube ugc数据集的主观质量评估。IEEE国际图像处理会议论文集，阿拉伯联合酋长国阿布扎比。“，”DOI“：”10.1109\/ICIP40778.2020.91194“}，{”key“：”ref_3“，”first page“：“113160P”，”article-title“：”Towards a video quality assessment based framework for enhancement of laparoscopic videos“，”volume“：‘volume 11316’，”author“：‘Khan’，”year“：‘2020’，”journal-title:“Medical Imaging 2020：图像感知、观察者表现和技术评估”}，}“key“：”ref_4“，”doi-asserted-by“：”crossref“，”first-page“：”5923“，”doi“：”10.1109\/TIP.2019.2923051“，”article-title“：”无参考消费者视频质量评估的两级方法“，”volume“：“28”，“author”：“Korhonen”，“year”：“2019”，“journal-title”：“IEEE Trans。图像处理。“}，{”key“：”ref_5“，”doi-asserted-by“：”crossref“，”unstructured“：”Agarla，M.，Celona，L.，and Schettini，R.（2020）。非参考性拍摄失真视频质量评估。MDPI J.Imaging，6.“，”doi“：”10.3390\/jimaging6080074“}”，{“key”：“ref_6”，“unstructure”：“”Hosu，V.，Hahn，F.，Jenadeleh，M.，Lin，H.，Men，H..，Szir\u00e1nyi，T.，Li，S.和Saupe，D.（6月，1月31日）。Konstanz自然视频数据库（KoNViD-1k）。多媒体体验质量国际会议（QoMEX）会议记录，德国埃尔福特。“}，{”key“：”ref_7“，”doi-asserted-by“：”crossref“，”first-page“：”612“，”doi“：”10.1109\/TIP.2018.2869673“，”article-title“：”感知视频质量的大尺度研究“，”volume“：“28”，”author“：”Sinno“，”year“：”2018“，”journal-title”：“IEEE Trans.Image Process.”}，”{“key”：“ref_8”，“doi-assert-by”：“crossref.”，“first-page:”“2061”，“doi”：“10.1109\/TCSVT.2017.2707479“，“文章标题”：“捕获移动视频失真：主观行为和客观算法研究”，“卷”：“28”，“作者”：“Ghadiyaram”，“年份”：“2017年”，“新闻标题”：《IEEE Trans。电路系统。视频技术。“}，{”key“：”ref_9“，”doi-asserted-by“：”crossref“，”unstructured“：”Li，D.，Jiang，T.，and Jiang and M.（2019，January 21\u201325）.室内视频质量评估.法国尼斯ACM国际多媒体会议论文集.“，”doi“：”10.1145\/334031.3351028“}”，{“key”：“ref_10”，“doi-assert-by”：“crossref.”，“unstructure”：“”He，K.、Zhang，X.、Ren，S.和Sun，J.（2016年1月27日\u201330）。用于图像识别的深度残差学习。IEEE计算机视觉和模式识别（CVPR）会议记录，美国内华达州拉斯维加斯”，“DOI”：“10.1109\/CVPR.2016.90”}，{“key”：“ref_11”，“DOI-asserted-by”：“crossref”，“unstructured”：“Sandler，M.，Howard，A.，Zhu，M.、Zhmoginov，A.和Chen，L.C.（2018年1月18日\u201323）.Mobilenetv2：反转残差和线性瓶颈。IEEE计算机视觉和模式识别会议记录，美国犹他州盐湖城”，“DOI”：“10.1109\/CVPR.2018.00474”}，{“key”：“ref_12”，“DOI-asserted-by”：“crossref”，“first page”：”209“，“DOI:”10.1109\/LSP.2012.227726“，“article-title”：“Making a \u201cCompletely Blind\u201d Image Quality Analyzer”，”volume“：”20“，”author“：”Mittal“，”“2013年”，“新闻标题”：“IEEE信号处理”。莱特。“｝，｛”key“：”ref_13“，”doi asserted by“：”crossref“，”first page“：”4695“，”doi“：”10.1109\/TIP.2012.2214050“，”文章标题“：”空域无参考图像质量评估“，”卷“：”21“，”作者“：”Mittal“，”年份“：”2012“，”期刊标题“：”IEEE Trans.Image Process.“｝，｛”key“：”ref_14“，”first page“：”32“，”文章标题“：”使用特征包方法对真实失真图像的感知质量预测”，“卷”：“17”，“作者”：“Ghadiyaram”，“年份”：“2017年”，“期刊标题”：“Assoc.Res.Vis。眼科学。视觉杂志。“}，{”key“：”ref_15“，”doi-asserted-by“：”crossref“，”first page“：“2957”，”doi“：”10.1109\/TIP.2017.2685941“，”article-title“：”色调标记HDR图片的无参考质量评估“，”volume“:”26“，”author“：”Kundu“，”year“：”2017“，”journal-title”：“IEEE Trans.Image Process.”}，”{“key”：“ref_16”，“doi-assert-by”：“Crosref”“，”非结构化“：”Saad，M.和Bovik，A.（2012年1月4日\u20137）。使用自然场景统计和运动一致性模型对视频进行盲质量评估。《信号、系统和计算机Asilomar会议论文集》（Asilomar），美国加利福尼亚州太平洋格罗夫），“DOI”：“10.1109\/ACSSC.2012.6489018”}，{“key”：“ref_17”，“DOI-asserted-by”：“crossref”，“unstructured”：“Xu，J.，Ye，P.，Liu，Y.，and Doermann，D.（2014年1月27日\u201330）.通过特征学习进行无参考视频质量评估。国际图像处理会议记录，法国巴黎。“，”DOI“：”10.1109\/ICIP.2014.7025098“}，{”key“：”ref_18“，”DOI-asserted-by“：”crossref“，”first page“：“3073”，“DOI”：“10.1109\/TIP.2016.2562513”，“article-title”：“CVD2014\u2014A database for evaluation no-reference video quality assessment algorithms”，“volume”：“25”，“author”：“Nuutinen”，“year”：“2016”，“journal-title“：”IEEE Trans.Image Process.“}”，{“密钥”：“ref_19“，”doi-asserted-by“：”crossref“，”first page“：”5612“，”doi“：”10.1109\/TIP.2020.2984879“，“article-title”：“使用自然时空场景统计进行无参考视频质量评估”，“volume”：“29”，“author”：“Dendi”，“year”：“2020”，“journal-title“：”IEEE Trans。图像处理。“}，{”key“：”ref_20“，”doi-asserted-by“：”crossref“，”unstructured“：”Ebenezer，J.P.，Shang，Z.，Wu，Y.，Wei，H.，and Bovik，A.C.（2020年1月21日\u201324）。使用时空芯片的无参考视频质量评估。芬兰坦佩雷IEEE多媒体信号处理（MMSP）国际研讨会论文集。“，doi”：“10.1109\/MMSP48831.2020.9287151“}，{“key”：“ref_21”，“doi-asserted-by”：“crossref”，“unstructured”：“Korhonen，J.，Su，Y.，and You，J.（2020，January 12\u201316）.基于统计时间特征和深层空间特征的盲自然视频质量预测.美国华盛顿州西雅图第28届ACM国际多媒体会议论文集”，“DOI“：”10.1145\/3394171.3413845“}，{“key”：“ref_22”，“DOI-asserted-by”：“crossref”，“first page”：”1044“，“DOI”：“10.1109\/TCSVT.2015.2430711”，“article-title”：“使用3D Shearlet变换和卷积神经网络进行无参考视频质量评估”，“volume”：：“26”，“author”：“Li”，”year“：”2016“，”journal-title“：”IEEE传输。电路系统。视频技术。“}，{”key“：”ref_23“，”doi-asserted-by“：”crossref“，”unstructured“：”Wang，C.，Su，L.，and Zhang，W.（2018年1月10日\u201312）。COME for No-Reference视频质量评估。美国佛罗里达州迈阿密IEEE多媒体信息处理与检索会议论文集。“doi”：“10.1109\/MIPR.2018.00056”}，”{“key”：“ref_24”，“doi-asserted-by“：”crossref“，”first page“：”011006“，“doi”：“10.1117\/1.3267105”，“article-title”：“最明显的失真：全参考图像质量评估和策略的作用”，“volume”：“19”，“author”：“Larson”，“year”：“2010”，“journal-title“：”J.Electron。Imaging“}，{“key”：“ref_25”，“doi-asserted-by”：“crossref”，“unstructured”：“Deng，J.，Dong，W.，Socher，R.，Li，L.J.，Li.，K.，and Fei-Fei，L.（2009年1月20日\u201325）。Imagenet:大型分层图像数据库。美国佛罗里达州迈阿密IEEE计算机视觉与模式识别会议论文集”，“doi”：“10.1109\/CVPR.2009.5206848“}，{“key”：“ref_26”，“doi-asserted-by”：“crossref”，“unstructured”：“Cho，K.，van Merri\u00ebnboer，B.，Gulcehre，C.，Bahdanau，D.，Bougares，F.，Schwenk，H.，and Bengio，Y.（2014年1月25日\u201329）。使用RNN编码器\u2013解码器学习短语表示，用于统计机器翻译。自然语言处理实证方法会议记录，卡塔尔多哈。“，”DOI“：”10.3115\/v1\/D14-1179“}，{”key“：”ref_27“，”DOI-asserted-by“：”crossref“，”unstructured“：”Chen，P.，Li，L.，Ma，L..，Wu，J.，and Shi，G.（2020，January 26\u201329）。RIRNet:视频质量评估递归网络。爱尔兰都柏林ACM国际多媒体会议论文集。“，”10.1145\\3394171.3413717“｝，｛”key“：”ref_28“，”doi断言者“：”crossref“，”非结构化“：”Li，D.，Jiang，T.，and Jiang，M.（2021）.混合数据集训练的野外视频统一质量评估.Int.J.Comput.Vis.“，”doi“：”10.1007\\s11263-02-01408-w“｝，｛”key“：”ref_29“，”doi断言者“：”crossref“，”非结构化“：”Tang，Y.，Jiang，S.，Xu，S.、Liu，T.和Li，C.（2019）。基于多窗口方法和HSV颜色空间的盲图像质量评估。申请。科学。，9.“，”DOI“：”10.3390\/app9122499“}，{“key”：”ref_30“，”first page“：”105“，”article-title“：”在HSV和RGB颜色空间中使用NMSE和SSIM度量标准测量模糊图像的质量“，”volume“：“1”，”year“：”2015“，”journal-title”：“Phys.J.”}，}“key”：“ref_31”，“DOI-asserted-by”：“crossref”，”first-page:“77440Z”，“DOI”：“10.1 117\/12.862431“，”文章标题“：”图像质量评估与人类视觉系统”，“卷”：“卷7744”，“作者”：“高”，“年份”：“2010”，“期刊标题”：“视觉通信与图像处理2010”}，{“关键”：“ref_32”，“doi-asserted-by”：“crossref”，“首页”：“355”，“doi”：“10.1007\/s11760-017-1166-8”卷：“12”，“作者”：“Bianco”，“年份”：“2017”，“新闻标题”：“信号图像视频处理”。“}，{”key“：”ref_33“，”doi-asserted-by“：”crossref“，”first-pages“：”237“，”doi“：”10.1016\/j.image.2017.10.009“，”article-title“：”语义软件盲图像质量评估“，”volume“：“：”195“，”doi“：”10.1016\/j.jvcir.2018.11.038“，“article-title”：“基于语义信息的盲图像质量评估”，“volume”：“58”，“author”：“Ji”，“year”：“2019”，“journal-title“：”j.Vis。公社。图像表示。“}，{”key“：”ref_35“，”doi-asserted-by“：”crossref“，”first-page“：”64270“，”doi“：”10.1109\/ACCESS.2018.2877890“，”article-title“：”代表性深层神经网络架构的基准分析“，”volume“：“6”，“author”：“Bianco”，“year”：“2018”，“journal-title”：“IEEE ACCESS”}，“key”：“ref_36”，”“doi-assert-by”：“crossref”，“unstructured”：“”Virtanen，T.、Nuutinen，M.、Vaahteranoksa，M.，Oittinen，P.和H\u00e4kkinen，J.（2014）。CID2013：用于评估无参考图像质量评估算法的数据库。IEEE传输。图像处理。，24.“，”DOI“：”10.1109\/TIP.2014.2378061“}，{“key”：“ref_37”，“DOI-asserted-by”：“crossref”，“unstructured”：“Fang，Y.，Zhu，H.，Zeng，Y.Ma，K.，and Wang，Z.（2020，January 19\u201324）。智能手机摄影的感知质量评估。IEEE计算机视觉和模式识别会议论文集，丹麦哥本哈根。”，“DOI“：”10.1109\/CVPR42600.2020.00373“}，{“key”：“ref_38”，“DOI-asserted-by”：“crossref”，“unstructured”：“Snyder，D.，Garcia-Romero，D.，Povey，D.，and Khudanpur，S.（2017）。文本无关说话人验证的深度神经网络嵌入，Interspeech。”，“DOI”：“10.21437\/Intespeech.2017-620”}，}，“key“：”ref_39“，“非结构化”：“Paszke，A.、Gross，S.、Chintala，S.，Chanan，G.、Yang，E.、DeVito，Z.、Lin，Z.，Desmaison，A.、Antiga，L.和Lerer，A.（2017年1月4日，2013年9月）。Pytorch中的自动区分。第31届神经信息处理系统大会论文集（NIPS 2017），美国加利福尼亚州长滩非结构化”：“He，K.，Zhang，X.，Ren，S.和Sun，J.（2015年1月7日\u201313）。深入研究整流器：在图像网络分类方面超越人类水平的性能。IEEE计算机视觉国际会议（ICCV）会议记录，智利圣地亚哥。“，”DOI“：”10.1109\/ICCV.2015.123“}，{”key“：”ref_42“，”DOI-asserted-by“：”crossref“，”first page“：“148”，“DOI”：“10.1109\/JPROC.2015.2494218”，“article-title”：“让人类走出循环：贝叶斯优化综述”，“volume”：“104”，“author”：“Shahriari”，“year”：“2016”，“journal-title“：”Proc.IEEE“}”，{“key”：”ref _43“，”DOI-asserted-by“：”crossref“，”首页“：”64“，”DOI“：”10.1145\/2812802“，”文章标题“：”YFCC100M:多媒体研究中的新数据“，”卷“：”59“，”作者“：”托米“，”年份“：”2016“，”期刊标题“：“Commun。ACM“}，{“key”：“ref_44”，“unstructured”：“Ye，P.，Kumar，J.，Kang，L.和Doermann，D.（2012年1月16日\u201321）。无参考图像质量评估的无监督特征学习框架。美国罗得岛州普罗维登斯IEEE计算机视觉和模式识别会议论文集”}]，“container-title”：[“成像杂志”]，“original-title“：[]，”language“：”en“，”link“：[{”URL“：”https:\/\/www.mdpi.com\/2313-433X\/7\/3\/55\/pdf“，”content-type“：”unspecified“，”content-version“：”vor“，”intended-application“：”similarity-checking“}]，”deposed“：{”date-parts“：[2024,7,9]]，”date-time“：“2024-07-09T16:52:34Z”，“timestamp”：1720543954000}，“score”：1，“resource”：{“primary”：{“URL”：“https:\/\/www.mdpi.com\/2313-433X\/7\/3\/55“}}，”副标题“：[]，”短标题“：[]，”已发布“：{”日期部分“：[2021,3,13]]}，“引用计数”：44，“日志发布”：{“发布”：“3”，“发布在线”：{“日期部分”：[2021.3]]}}、“替代id”：[“jimaging7030055”]，“URL”：“http://\/dx.doi.org\/10.3390\/jimaging7030055“，”关系“：{}，”ISSN“：[”2313-433X“]，”issn-type“：[{”value“：“2313-433X”，“type”：“electronic”}]，“subject”：[]，“published”：{“date-parts”：[2021,3,13]]}}}