基于多模双线性池化和时间池化聚合的无参考VMAF视频质量评价模型

为了解决在实际应用过程中很难获取到原始视频信息的问题,提出了一种无参考的视频多方法评估融合(video multimethod assessment fusion,VMAF)预测模型.首先,采用一种基于多模双线性池化的卷积神经网络结构建立视频帧级的无参考VMAF预测模型,用于对失真视频帧的VMAF分数进行预测;其次,采用3种不同的时间池化方法对失真视频帧的VMAF预测分数分别进行聚合,将结果融合后得到一个质量特征向量;最后,采用nu-支持向量回归(nu support vector regression,NuSVR)的方法建立质量特征向量与视频VMAF分数之间的映射关系模型.该模型不需要原始视频信息就可以预测失真视频的VMAF分数,具有应用价值.实验结果表明,提出的模型可以获得较高的预测精度.