论文阅读笔记：Blind Video Quality Assessment With Weakly Supervised Learning and Resampling Strategy

论文PDF：Blind Video Quality Assessment With Weakly Supervised Learning and Resampling Strategy

•  摘要

在本文中，提出了一个通用的无参考VQA框架，该框架基于带卷积神经网络（CNN）和重采样策略的弱监督学习。

首先，通过弱监督学习来训练八层CNN，以构造视频块的3D离散余弦变换的变形与通过全参考（FR）VQA度量判断的相应弱标记之间的关系。因此，CNN获得了从FR-VQA指标转换而来的质量评估能力，并且可以通过训练后的网络提取失真视频的有效特征。然后，将从训练网络预测的质量得分向量计算出的频率直方图映射到感知质量上。特别是，为了提高映射功能的性能，　传输了失真图像和视频的频率直方图以对训练集进行重新采样。实验是在几个广泛使用的VQA数据库上进行的。实验结果表明，所提出的方法与一些最新的VQA指标相当，并且具有良好的鲁棒性．