CenseoQoE图像和视频质量评估
CenseoQoE 提供图像/视频画质评价算法模型训练到应用落地的完整方案,主要包括 CenseoQoE-Algorithm 和 CenseoQoE-SDK两部分。
- CenseoQoE-Algorithm 是通用的画质评价算法模型的训练框架,
- CenseoQoE-SDK集成了针对多种业务场景训练好的画质评价模型,可直接对UGC视频、PGC视频、游戏视频等做无参考/有参考的画质评价,实现开箱即用。
图像/视频在编解码、传输和显示等过程中难免引入不同类型/程度的失真导致图像质量下降。图像/视频质量评价(IVQA)的研究目标是希望模仿人类视觉感知系统, 通过算法评估图片/视频在终端用户的眼中画质主观体验的好坏,目前在视频编解码、画质增强、画质监控、推荐算法、竞品分析等领域有广泛的应用。
主要特性
- CenseoQoE-Algorithm 提供图像/视频画质评价算法模型训练的 codebase,集成自研的模型以及业界开源的算法模型,支持无参考和有参考。此外,腾讯会公开不同业务场景下 (UGC视频、PGC视频、游戏视频、直播视频等)的预训练模型,用户可以利用这些预训练模型在自己的数据集进行微调优化。
- CenseoQoE-SDK 集成了基于 CenseoQoE-Algorithm 在腾讯自研的数据集上训练得到的多个业务场景下的画质评价模型,全部使用c++ 实现,编译之后可直接对 UGC 视频、PGC 视频、游戏视频等做画质评价,实现开箱即用。
为什么叫 CenseoQoE?
Censeo 在拉丁语中是我认为/我觉得的意思,与图像/视频画质体验评价领域的主观评测概念相符,QoE则是体验质量(Quality of Experience)。
快速开始
- 如果你想做模型的训练或是优化改进,请参见 CenseoQoE-Algorithm。
- 如果你想快速使用 CenseoQoE 推出的画质评价工具/SDK,请参见 CenseoQoE-SDK。
引用
@misc{wen2021strong,
title={A strong baseline for image and video quality assessment},
author={Shaoguo Wen and Junle Wang},
year={2021},
eprint={2111.07104},
archivePrefix={arXiv},
primaryClass={eess.IV}
}
评论
DVQA视频质量评估算法
DVQA是基于深度学习的全参考视频质量评估算法。DVQA包含多个质量评估算法模型,本次开源的是针对PGC视频的算法C3DVQA。本项目使用Python开发,深度学习模块使用PyTorch。代码使用模块
DVQA视频质量评估算法
0
TPAMI 2024 | 评估人脸图像质量:大规模数据库和Transformer方法
点击上方“小白学视觉”,选择加"星标"或“置顶”重磅干货,第一时间送达Assessing Face Image Quality: A Large-Scale Database and a Transformer Method题目:评估人脸图像质量:大规模数据库和Transformer方法作者:Tie
小白学视觉
0