JP2018522448A - 知覚的ビデオ品質を予測する技術 - Google Patents
知覚的ビデオ品質を予測する技術 Download PDFInfo
- Publication number
- JP2018522448A JP2018522448A JP2017559335A JP2017559335A JP2018522448A JP 2018522448 A JP2018522448 A JP 2018522448A JP 2017559335 A JP2017559335 A JP 2017559335A JP 2017559335 A JP2017559335 A JP 2017559335A JP 2018522448 A JP2018522448 A JP 2018522448A
- Authority
- JP
- Japan
- Prior art keywords
- video
- perceptual
- objective
- values
- quality
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T9/00—Image coding
- G06T9/002—Image coding using neural networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
- H04N19/134—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or criterion affecting or controlling the adaptive coding
- H04N19/154—Measured or subjectively estimated visual quality after decoding, e.g. measurement of distortion
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
- H04N21/466—Learning process for intelligent management, e.g. learning user preferences for recommending movies
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
- H04N21/466—Learning process for intelligent management, e.g. learning user preferences for recommending movies
- H04N21/4662—Learning process for intelligent management, e.g. learning user preferences for recommending movies characterized by learning algorithms
- H04N21/4666—Learning process for intelligent management, e.g. learning user preferences for recommending movies characterized by learning algorithms using neural networks, e.g. processing the feedback provided by the user
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30168—Image quality inspection
Abstract
Description
図1は、本発明の1以上の態様を実装するよう構成されたシステム100の概念図である。図示されるように、システム100は、入力データの送信機能および/またはビデオの表示機能がある様々な装置に接続された仮想プライベートクラウド(即ち、カプセル化された共有リソース、ソフトウェア、データ等)102を含む。そのような装置は、デスクトップコンピュータ108、スマートフォン104、およびラップトップ106を含むが、それらに限定されない。別の実施形態では、システム100は、任意の数および/またはタイプの入力装置、出力装置、および/または入出力装置を任意の組合せで含み得る。
図2は、本発明の一実施形態による、図1の客観的測定指標生成サブシステム140および知覚的品質訓練器150を示すブロック図である。客観的測定指標生成サブシステム140は、任意の技術的に実行可能な方法で実装され、任意の数の客観的測定指標145の値を各々が生成する任意の数の別個のアプリケーションを含み得る。知覚的品質訓練器150は、サポートベクターマシン(SVM)モデル生成器240および時間的調節識別器250(それらに限定されない)を含む。
図3は、本発明の一実施形態による、図1の客観的測定指標生成サブシステム140および知覚的品質計算器160を示すブロック図である。図示されるように、知覚的品質計算器150は、サポートベクターマシン(SVM)マッピング器360、および時間的調節器370(それらに限定されない)を含む。知覚的品質計算器150は、採点フェーズ中に動作して、「訓練された」知覚的品質モデル155および時間的調節255に基づいて、ソースデータ105から得られた符号化されたデータ195についての知覚的品質スコア165を計算する。
図4は、本発明の一実施形態による、知覚的な視覚的品質を予測する方法のステップのフロー図である。この方法のステップは、図1〜図3のシステムを参照して説明されるが、この方法ステップを任意の順序で実装するよう構成された任意のシステムが本発明の範囲に含まれることが当業者には理解されよう。
102 仮想プライベートクラウド
105 訓練用データ(ソースデータ)
120 エンコーダ
125 デコーダ
135 主観的測定指標
140 客観的測定指標生成サブシステム
145 客観的測定指標
150 知覚的品質訓練器
155 知覚的品質モデル
160 知覚的品質計算器
165 知覚的品質スコア
195 符号化されたデータ
205 訓練用データ
240 SVMモデル生成器
248 モーション値
250 時間的調節識別器
255 時間的調節
295 符号化された訓練用データ
360 サポートベクターマシン(SVM)マッピング器
370 時間的調節器
Claims (21)
- コンピュータによって実装される、知覚的ビデオ品質を推定する方法において、
複数の決定論的なビデオ特性を表す1組の客観的測定指標を選択する工程と、
1組の訓練用ビデオに含まれる各訓練用ビデオについて、該訓練用ビデオを記述するデータセットであって、知覚的ビデオ品質測定指標についての主観的な値と、前記1組の客観的測定指標についての1組の客観的な値とを含むデータセットを受信する工程と、
前記データセットから、前記1組の客観的測定指標についての1組の値に基づいて、前記知覚的ビデオ品質測定指標の値を決定する複合的関係を導出する工程と、
ターゲットビデオについて、前記1組の客観的測定指標についての第1の1組の値を算出する工程と、
前記知覚的ビデオ品質測定指標についての出力値を生成するために、前記第1の1組の値に前記複合的関係を適用する工程と
を含むことを特徴とする方法。 - 前記複合的関係を導出する前記工程が、前記データセットについての1以上の訓練処理を行うことを含む、請求項1記載のコンピュータによって実装される方法。
- 所与のデータセットについての1以上の訓練処理を行う工程が、前記データセットに含まれる前記1組の客観的な値に対して、サポートベクターマシンアルゴリズムまたは人工ニューラルネットワークアルゴリズムを適用することを含む、請求項2記載のコンピュータによって実装される方法。
- 前記第1の1組の値に含まれる値が所定の閾値を超えていることを決定する工程と、
前記知覚的品質測定指標についての前記出力値を、調整係数に基づいて修正する工程と
を更に含む、請求項1記載のコンピュータによって実装される方法。 - 前記ターゲットビデオの2つの連続したフレーム間の画素差分に基づいてモーション値を計算する工程と、
前記モーション値が所定の閾値を超えていることを決定する工程と、
前記知覚的品質測定指標についての前記出力値を所定の量だけ増加させる工程と
を更に含む、請求項1記載のコンピュータによって実装される方法。 - 前記1組の客観的測定指標が、詳細の損失の程度および視覚情報忠実度のうちの少なくとも一方を含む、請求項1記載のコンピュータによって実装される方法。
- 前記1組の客観的測定指標がアンチノイズS/N比を含み、前記ターゲットビデオがソースビデオから得られ、前記アンチノイズS/N比についての第1の値を算出する工程が、
前記ソースビデオに第1のローパスフィルタを適用する工程と、
前記ターゲットビデオに前記第1のローパスフィルタより強い第2のローパスフィルタを適用する工程と、
前記フィルタリングされたソースビデオおよび前記フィルタリングされたターゲットビデオに基づいて、1以上のS/N比計算を行う工程と
を含む、請求項1記載のコンピュータによって実装される方法。 - 前記1組の訓練用ビデオに含まれる第1の訓練用ビデオが、圧縮されたデータおよびスケール変換されたデータのうちの少なくとも一方を含む、請求項1記載のコンピュータによって実装される方法。
- 前記知覚的ビデオ品質測定指標についての第1の主観的な値が、前記第1の訓練用ビデオから得られた再構築されたビデオの視覚的品質についての人間の観察によるスコアである、請求項1記載のコンピュータによって実装される方法。
- 処理装置によって実行された際に、該処理装置に知覚的ビデオ品質を推定させる指示を含むコンピュータ可読記憶媒体において、前記指示が、前記処理装置に、
複数の決定論的なビデオ特性を表す1組の客観的測定指標を選択する工程と、
1組の訓練用ビデオに含まれる各訓練用ビデオについて、該訓練用ビデオを記述するデータセットであって、知覚的ビデオ品質測定指標についての主観的な値と、前記1組の客観的測定指標についての1組の客観的な値とを含むデータセットを受信する工程と、
前記データセットから、前記1組の客観的測定指標についての1組の値に基づいて、前記知覚的ビデオ品質測定指標の値を決定する複合的関係を導出する工程と、
ターゲットビデオについて、前記1組の客観的測定指標についての第1の1組の値を算出する工程と、
前記知覚的ビデオ品質測定指標についての出力値を生成するために、前記第1の1組の値に前記複合的関係を適用する工程と
を行うことによって知覚的ビデオ品質を推定させることを特徴とする、コンピュータ可読記憶媒体。 - 前記複合的関係を導出する前記工程が、前記データセットについての1以上の訓練処理を行うことを含む、請求項10記載のコンピュータ可読記憶媒体。
- 前記ターゲットビデオの2つの連続したフレーム間の画素差分に基づいてモーション値を計算する工程と、
前記モーション値が所定の閾値を超えていることを決定する工程と、
前記知覚的品質測定指標についての前記出力値を所定の量だけ増加させる工程と
を更に含む、請求項10記載のコンピュータ可読記憶媒体。 - 前記1組の訓練用ビデオに含まれる第1の訓練用ビデオが、第1のオリジナルビデオから得られた圧縮されたデータを含む、請求項10記載のコンピュータ可読記憶媒体。
- 前記知覚的ビデオ品質測定指標についての第1の主観的な値が、前記第1のオリジナルビデオの視覚的品質と、前記第1の訓練用ビデオから1以上の伸長処理に基づいて得られた再構築された訓練用ビデオの視覚的品質との間の変化量を示す、請求項13記載のコンピュータ可読記憶媒体。
- 前記知覚的ビデオ品質測定指標についての第1の主観的な値が、前記第1の訓練用ビデオから1以上の伸長処理に基づいて得られたビデオの視覚的品質についての人間の観察によるスコアである、請求項13記載のコンピュータ可読記憶媒体。
- 前記1組の客観的測定指標がアンチノイズS/N比を含み、前記ターゲットビデオがソースビデオから得られ、前記アンチノイズS/N比についての第1の値を算出する工程が、
前記ソースビデオに第1のローパスフィルタを適用する工程と、
前記ターゲットビデオに前記第1のローパスフィルタより強い第2のローパスフィルタを適用する工程と、
前記フィルタリングされたソースビデオおよび前記フィルタリングされたターゲットビデオに基づいて、1以上のS/N比計算を行う工程と
を含む、請求項10記載のコンピュータ可読記憶媒体。 - 前記複合的関係が方程式である、請求項10記載のコンピュータ可読記憶媒体。
- 前記第1の1組の値に前記複合的関係を適用する前記工程が、前記方程式を、前記第1の1組の値に含まれる値について解くことを含む、請求項17記載のコンピュータ可読記憶媒体。
- 複数の決定論的なビデオ特性を表す1組の客観的測定指標に基づいて、知覚的ビデオ品質を推定するよう構成されたシステムにおいて、
複数のオリジナルビデオから1組の訓練用ビデオを生成するよう構成されたエンコーダと、
知覚的品質訓練器であって、
前記1組の訓練用ビデオに含まれる各訓練用ビデオについて、該訓練用ビデオを記述するデータセットであって、知覚的ビデオ品質測定指標についての主観的な値と、前記1組の客観的測定指標についての1組の客観的な値とを含むデータセットを受信し、
前記データセットから、前記1組の客観的測定指標についての1組の値に基づいて、前記知覚的ビデオ品質測定指標の値を決定する複合的関係を導出する
よう構成された知覚的品質訓練器と、
知覚的品質計算器であって、
ターゲットビデオについて、前記1組の客観的測定指標についての第1の1組の値を算出し、
前記知覚的ビデオ品質測定指標についての出力値を生成するために、前記第1の1組の値に前記複合的関係を適用する
よう構成された知覚的品質計算器と
を含むことを特徴とするシステム。 - 前記複合的関係を導出することが、前記データセットについての1以上の訓練処理を行うことを含む、請求項19記載のシステム。
- コンピュータによって実装される、知覚的なビデオ品質を推定する方法において、
1組の訓練用ビデオに含まれる各訓練用ビデオについて、該訓練用ビデオを記述するデータセットであって、知覚的ビデオ品質測定指標についての主観的な値、モーションについての1組の客観的な値、並びに、アンチノイズS/N比、詳細の損失の程度、および視覚情報忠実度を含む1組の客観的測定指標についての1組の客観的な値を含むデータセットを受信する工程と、
前記データセットから、前記モーションについての1組の値および前記1組の客観的測定指標についての1組の値に基づいて、前記知覚的ビデオ品質測定指標の値を決定する複合的関係を導出する工程と、
ターゲットビデオについて、前記モーションについての第1の1組の値および前記1組の客観的測定指標についての第1の1組の値を算出する工程と、
前記知覚的ビデオ品質測定指標についての出力値を生成するために、前記モーションについての前記第1の1組の値および前記1組の客観的測定指標についての前記第1の1組の値に、前記複合的関係を適用する工程と、
前記モーションについての前記第1の1組の値に含まれる第1のモーション値が所定の閾値を超えていることを決定する工程と、
前記知覚的品質測定指標についての前記出力値を、前記モーションと関連づけられた調整係数に基づいて修正する工程と
を含むことを特徴とする方法。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US14/709,230 US10007977B2 (en) | 2015-05-11 | 2015-05-11 | Techniques for predicting perceptual video quality |
US14/709,230 | 2015-05-11 | ||
PCT/US2016/031477 WO2016183011A1 (en) | 2015-05-11 | 2016-05-09 | Techniques for predicting perceptual video quality |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2018522448A true JP2018522448A (ja) | 2018-08-09 |
JP6707563B2 JP6707563B2 (ja) | 2020-06-10 |
Family
ID=56072434
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017559335A Active JP6707563B2 (ja) | 2015-05-11 | 2016-05-09 | 知覚的ビデオ品質を予測する技術 |
Country Status (9)
Country | Link |
---|---|
US (2) | US10007977B2 (ja) |
EP (1) | EP3295669A1 (ja) |
JP (1) | JP6707563B2 (ja) |
KR (1) | KR102110022B1 (ja) |
CN (1) | CN107852496B (ja) |
AU (2) | AU2016259613B2 (ja) |
CA (1) | CA2985771C (ja) |
MX (1) | MX370014B (ja) |
WO (1) | WO2016183011A1 (ja) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020158095A1 (ja) * | 2019-02-01 | 2020-08-06 | 株式会社Nttドコモ | 評価装置 |
JP2020155795A (ja) * | 2019-03-18 | 2020-09-24 | Kddi株式会社 | ネットワーク監視システムおよび方法 |
KR20210061943A (ko) * | 2019-11-20 | 2021-05-28 | 한국전자통신연구원 | 기계 학습 기반 특징과 지식 기반 특징을 이용한 비디오 화질 자동 측정 방법 및 이를 위한 장치 |
Families Citing this family (39)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9532080B2 (en) | 2012-05-31 | 2016-12-27 | Sonic Ip, Inc. | Systems and methods for the reuse of encoding information in encoding alternative streams of video data |
US9357210B2 (en) | 2013-02-28 | 2016-05-31 | Sonic Ip, Inc. | Systems and methods of encoding multiple video streams for adaptive bitrate streaming |
US9922411B2 (en) * | 2015-11-30 | 2018-03-20 | Disney Enterprises, Inc. | Saliency-weighted video quality assessment |
US10798387B2 (en) | 2016-12-12 | 2020-10-06 | Netflix, Inc. | Source-consistent techniques for predicting absolute perceptual video quality |
WO2019009449A1 (ko) * | 2017-07-06 | 2019-01-10 | 삼성전자 주식회사 | 영상을 부호화/복호화 하는 방법 및 그 장치 |
US10587669B2 (en) * | 2017-12-20 | 2020-03-10 | Facebook, Inc. | Visual quality metrics |
US10721477B2 (en) * | 2018-02-07 | 2020-07-21 | Netflix, Inc. | Techniques for predicting perceptual video quality based on complementary perceptual quality models |
US10887602B2 (en) * | 2018-02-07 | 2021-01-05 | Netflix, Inc. | Techniques for modeling temporal distortions when predicting perceptual video quality |
US11361416B2 (en) * | 2018-03-20 | 2022-06-14 | Netflix, Inc. | Quantifying encoding comparison metric uncertainty via bootstrapping |
CN108401150B (zh) * | 2018-03-22 | 2019-08-27 | 浙江科技学院 | 一种模拟视觉主观感知的压缩感知重建算法质量统计评价方法 |
WO2019209006A1 (ko) * | 2018-04-24 | 2019-10-31 | 주식회사 지디에프랩 | 스트리밍 파일의 해상도 개선 방법 |
US11200591B2 (en) * | 2018-05-30 | 2021-12-14 | Paypal, Inc. | Electronic content based on neural networks |
US20200021815A1 (en) | 2018-07-10 | 2020-01-16 | Fastvdo Llc | Method and apparatus for applying deep learning techniques in video coding, restoration and video quality analysis (vqa) |
US20200050710A1 (en) * | 2018-08-09 | 2020-02-13 | Autodesk, Inc. | Techniques for generating designs that reflect stylistic preferences |
EP3808086A1 (en) * | 2018-08-14 | 2021-04-21 | Huawei Technologies Co., Ltd. | Machine-learning-based adaptation of coding parameters for video encoding using motion and object detection |
US11302288B2 (en) | 2018-09-28 | 2022-04-12 | Apple Inc. | Ambient saturation adaptation |
US11024260B2 (en) | 2018-09-28 | 2021-06-01 | Apple Inc. | Adaptive transfer functions |
US10672363B2 (en) | 2018-09-28 | 2020-06-02 | Apple Inc. | Color rendering for images in extended dynamic range mode |
KR102212442B1 (ko) * | 2018-12-13 | 2021-02-04 | 주식회사 픽스트리 | 기계 학습 기반으로 파라미터를 학습하는 영상 처리 장치 및 동작 방법 |
KR102192980B1 (ko) * | 2018-12-13 | 2020-12-18 | 주식회사 픽스트리 | 기계 학습 기반으로 파라미터를 학습하는 영상 처리 장치 및 동작 방법 |
CN110121110B (zh) * | 2019-05-07 | 2021-05-25 | 北京奇艺世纪科技有限公司 | 视频质量评估方法、设备、视频处理设备及介质 |
CN110248189B (zh) * | 2019-06-14 | 2021-07-27 | 北京字节跳动网络技术有限公司 | 一种视频质量预测方法、装置、介质和电子设备 |
CN110139169B (zh) * | 2019-06-21 | 2020-11-24 | 上海摩象网络科技有限公司 | 视频流的质量评估方法及其装置、视频拍摄系统 |
EP3800882A1 (en) | 2019-10-02 | 2021-04-07 | Deutsche Telekom AG | Information-adaptive mixed deterministic/machine-learning-based bit stream video-quality model |
EP3826311A1 (en) | 2019-11-22 | 2021-05-26 | MK Systems USA Inc. | Systems and methods for measuring visual quality degradation in digital content |
US20230054130A1 (en) | 2019-12-31 | 2023-02-23 | Google Llc | Optimal format selection for video players based on predicted visual quality using machine learning |
AU2021200417A1 (en) * | 2020-01-23 | 2021-08-12 | Modaviti Emarketing Pvt Ltd | Artificial Intelligence Based Perceptual Video Quality Assessment System |
US20210233259A1 (en) * | 2020-01-28 | 2021-07-29 | Ssimwave Inc. | No-reference visual media assessment combining deep neural networks and models of human visual system and video content/distortion analysis |
US11527019B2 (en) * | 2020-05-15 | 2022-12-13 | Amazon Technologies, Inc. | Iterative media object compression algorithm optimization using decoupled calibration of perceptual quality algorithms |
KR20220043764A (ko) * | 2020-09-29 | 2022-04-05 | 삼성전자주식회사 | 비디오 품질 평가 방법 및 장치 |
US11451847B2 (en) | 2020-11-06 | 2022-09-20 | Samsung Electronics Co., Ltd. | Methods and systems for generating personalized data-streaming for a multimedia playback device |
CN112529048B (zh) * | 2020-11-23 | 2022-12-06 | 浙江大学 | 一种基于感知体验的产品展示视频辅助设计方法和装置 |
CN113011315B (zh) * | 2021-03-16 | 2022-12-16 | 华南理工大学 | 一种基于超快速结构感知深度网络的地铁轨道识别方法 |
US11533427B2 (en) * | 2021-03-22 | 2022-12-20 | International Business Machines Corporation | Multimedia quality evaluation |
US11483472B2 (en) | 2021-03-22 | 2022-10-25 | International Business Machines Corporation | Enhancing quality of multimedia |
US11716531B2 (en) | 2021-03-22 | 2023-08-01 | International Business Machines Corporation | Quality of multimedia |
KR20220135724A (ko) * | 2021-03-31 | 2022-10-07 | 서울대학교산학협력단 | 통계적 분포를 따르는 데이터의 처리 방법 및 장치 |
CN113315995B (zh) * | 2021-05-06 | 2023-04-14 | 北京智通东方软件科技有限公司 | 提高视频质量的方法、装置、可读存储介质及电子设备 |
CN113891069A (zh) * | 2021-10-21 | 2022-01-04 | 咪咕文化科技有限公司 | 一种视频质量的评估方法、装置及设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11341526A (ja) * | 1998-05-22 | 1999-12-10 | Matsushita Electric Ind Co Ltd | 画質測定装置 |
US20130027568A1 (en) * | 2011-07-29 | 2013-01-31 | Dekun Zou | Support vector regression based video quality prediction |
JP2014130427A (ja) * | 2012-12-28 | 2014-07-10 | Samsung R&D Institute Japan Co Ltd | 画質推定装置、画質推定方法および画質推定プログラム |
JP2016111473A (ja) * | 2014-12-04 | 2016-06-20 | 日本放送協会 | 客観画質評価装置及びプログラム |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6876381B2 (en) * | 2001-01-10 | 2005-04-05 | Koninklijke Philips Electronics N.V. | System and method for providing a scalable objective metric for automatic video quality evaluation employing interdependent objective metrics |
CN1157059C (zh) * | 2002-01-29 | 2004-07-07 | 北京工业大学 | 一种结合运动特征的视频质量评价方法 |
US7733372B2 (en) * | 2003-12-02 | 2010-06-08 | Agency For Science, Technology And Research | Method and system for video quality measurements |
US7916173B2 (en) * | 2004-06-22 | 2011-03-29 | Canon Kabushiki Kaisha | Method for detecting and selecting good quality image frames from video |
WO2006099743A1 (en) * | 2005-03-25 | 2006-09-28 | Algolith Inc. | Apparatus and method for objective assessment of dct-coded video quality with or without an original video sequence |
CN100469153C (zh) * | 2005-09-29 | 2009-03-11 | 深圳清华大学研究院 | 视频场景切换检测方法 |
KR101316699B1 (ko) * | 2009-11-24 | 2013-10-10 | 연세대학교 산학협력단 | 동영상 화질평가 시스템, 동영상 송신장치, 동영상 수신장치 및 그의 방법 |
US8494283B2 (en) * | 2010-12-21 | 2013-07-23 | Microsoft Corporation | Image quality assessment |
US8787454B1 (en) * | 2011-07-13 | 2014-07-22 | Google Inc. | Method and apparatus for data compression using content-based features |
WO2013025220A1 (en) * | 2011-08-18 | 2013-02-21 | Nikon Corporation | Image sharpness classification system |
-
2015
- 2015-05-11 US US14/709,230 patent/US10007977B2/en active Active
-
2016
- 2016-05-09 EP EP16724787.3A patent/EP3295669A1/en not_active Ceased
- 2016-05-09 AU AU2016259613A patent/AU2016259613B2/en active Active
- 2016-05-09 KR KR1020177035231A patent/KR102110022B1/ko active IP Right Grant
- 2016-05-09 MX MX2017014482A patent/MX370014B/es active IP Right Grant
- 2016-05-09 CN CN201680040842.7A patent/CN107852496B/zh active Active
- 2016-05-09 JP JP2017559335A patent/JP6707563B2/ja active Active
- 2016-05-09 CA CA2985771A patent/CA2985771C/en active Active
- 2016-05-09 WO PCT/US2016/031477 patent/WO2016183011A1/en active Application Filing
-
2018
- 2018-06-25 US US16/017,929 patent/US10475172B2/en active Active
-
2019
- 2019-10-18 AU AU2019250226A patent/AU2019250226A1/en not_active Abandoned
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11341526A (ja) * | 1998-05-22 | 1999-12-10 | Matsushita Electric Ind Co Ltd | 画質測定装置 |
US20130027568A1 (en) * | 2011-07-29 | 2013-01-31 | Dekun Zou | Support vector regression based video quality prediction |
JP2014130427A (ja) * | 2012-12-28 | 2014-07-10 | Samsung R&D Institute Japan Co Ltd | 画質推定装置、画質推定方法および画質推定プログラム |
JP2016111473A (ja) * | 2014-12-04 | 2016-06-20 | 日本放送協会 | 客観画質評価装置及びプログラム |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020158095A1 (ja) * | 2019-02-01 | 2020-08-06 | 株式会社Nttドコモ | 評価装置 |
JP2020155795A (ja) * | 2019-03-18 | 2020-09-24 | Kddi株式会社 | ネットワーク監視システムおよび方法 |
JP7033097B2 (ja) | 2019-03-18 | 2022-03-09 | Kddi株式会社 | ネットワーク監視システムおよび方法 |
KR20210061943A (ko) * | 2019-11-20 | 2021-05-28 | 한국전자통신연구원 | 기계 학습 기반 특징과 지식 기반 특징을 이용한 비디오 화질 자동 측정 방법 및 이를 위한 장치 |
KR102395038B1 (ko) | 2019-11-20 | 2022-05-09 | 한국전자통신연구원 | 기계 학습 기반 특징과 지식 기반 특징을 이용한 비디오 화질 자동 측정 방법 및 이를 위한 장치 |
Also Published As
Publication number | Publication date |
---|---|
CN107852496A (zh) | 2018-03-27 |
AU2016259613A1 (en) | 2017-11-30 |
US20180300869A1 (en) | 2018-10-18 |
US20160335754A1 (en) | 2016-11-17 |
CA2985771C (en) | 2020-05-26 |
AU2016259613B2 (en) | 2019-07-18 |
CN107852496B (zh) | 2021-06-15 |
MX2017014482A (es) | 2018-09-06 |
CA2985771A1 (en) | 2016-11-17 |
AU2019250226A1 (en) | 2019-11-07 |
JP6707563B2 (ja) | 2020-06-10 |
US10475172B2 (en) | 2019-11-12 |
EP3295669A1 (en) | 2018-03-21 |
MX370014B (es) | 2019-11-28 |
KR20180003609A (ko) | 2018-01-09 |
KR102110022B1 (ko) | 2020-05-12 |
US10007977B2 (en) | 2018-06-26 |
WO2016183011A1 (en) | 2016-11-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10475172B2 (en) | Techniques for predicting perceptual video quality | |
AU2020203139B2 (en) | Techniques for robustly predicting perceptual video quality | |
AU2017376666B2 (en) | Source-consistent techniques for predicting absolute perceptual video quality | |
KR102523149B1 (ko) | 부트스트래핑을 통한 지각 품질 모델 불확실성의 정량화 | |
KR102455509B1 (ko) | 상보적 지각 품질 모델들에 기반하여 지각 비디오 품질을 예측하기 위한 기술들 | |
US11700383B2 (en) | Techniques for modeling temporal distortions when predicting perceptual video quality | |
AU2017355533B2 (en) | Techniques for improving the quality of subjective data |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20180112 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20180607 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20190130 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20190220 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190517 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20190814 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20191106 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200115 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200207 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20200422 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200520 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6707563 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |