[發明專利]計算機實現的方法、系統和計算機可讀介質

有效

• 申請號: 201980032603.0
• 申請日: 2019-03-20
• 公開（公告）號: CN112166616B
• 公開（公告）日: 2023-05-26
• 發明（設計）人: 克里斯托斯·巴皮斯;李智;拉瓦尼亞·沙蘭;朱莉·諾瓦克;馬丁·丁利
• 申請（專利權）人: 奈飛公司
• 主分類號: H04N21/25
• 分類號: H04N21/25;G06V10/774;G06N20/20;H04N17/00;H04N19/147;H04N19/154
• 代理公司: 北京東方億思知識產權代理有限責任公司 11258
• 代理人: 桑敏

1.一種計算機實現的方法，包括：

對包括主觀評分的訓練數據庫執行一個或多個采樣操作，以生成多個重采樣數據集；

對于每個重采樣數據集，基于該重采樣數據集執行一個或多個機器學習操作，以生成不同的自舉感知質量模型；以及

基于所述自舉感知質量模型和經編碼視頻內容部分計算多個自舉感知質量評分并基于所述自舉感知質量評分和置信等級計算置信區間，以對由基線感知質量模型針對所述經編碼視頻內容部分生成的感知質量評分的準確性進行量化，其中所述基線感知質量模型是通過基于所述訓練數據庫執行一個或多個機器學習操作而生成的，并且其中所述經編碼視頻內容部分并不包括在所述訓練數據庫中。

2.如權利要求1所述的計算機實現的方法，其中，所述基線感知質量模型和所述自舉感知質量模型中的每個模型將描繪經編碼視頻內容的一組特征的一組特征值映射到不同的感知質量評分。

3.如權利要求2所述的計算機實現的方法，其中，所述一組特征包括附加損傷度量ADM特征、視覺信息保真度VIF特征、盲/無參考圖像空間質量評估器BRISQUE特征以及時間信息TI特征中的至少一者。

4.如權利要求1所述的計算機實現的方法，其中，執行所述一個或多個采樣操作包括：對所述訓練數據庫中包括的與訓練經編碼視頻內容的各部分相關聯的特征值執行一個或多個重采樣替換操作。

5.如權利要求1所述的計算機實現的方法，其中，執行所述一個或多個采樣操作包括：對所述主觀評分執行一個或多個重采樣替換操作，以生成多個重采樣主觀矩陣。

6.如權利要求1所述的計算機實現的方法，其中，執行所述一個或多個采樣操作包括：

對所述訓練數據庫中包括的與經編碼內容的各部分相關聯的特征值執行一個或多個重采樣替換操作，以生成多個重采樣特征矩陣；以及

對所述主觀評分執行一個或多個重采樣替換操作，以生成多個重采樣主觀矩陣。

7.如權利要求6所述的計算機實現的方法，進一步包括：將所述多個重采樣特征矩陣中包括的每個重采樣特征矩陣與所述多個重采樣主觀矩陣中包括的每個重采樣主觀矩陣進行組合，以生成所述多個重采樣數據集。

8.如權利要求1所述的計算機實現的方法，其中，對于每個自舉感知質量模型，基于所述經編碼視頻內容部分生成不同的自舉感知質量評分，其中，所述自舉感知質量評分的分布量化了所述感知質量評分的準確性。

9.如權利要求1所述的計算機實現的方法，其中，

對于每個自舉感知質量模型，基于所述經編碼視頻內容部分生成不同的自舉感知質量評分。

10.一種或多種非暫態計算機可讀介質，存儲有指令，所述指令在由一個或多個處理器執行時使得所述一個或多個處理器執行以下步驟：

對包括主觀評分的訓練數據庫執行一個或多個采樣操作，以生成多個重采樣數據集；

對于每個重采樣數據集，基于該重采樣數據集執行一個或多個機器學習操作，以生成不同的自舉感知質量模型；以及

基于所述自舉感知質量模型和經編碼視頻內容部分計算多個自舉感知質量評分并基于所述自舉感知質量評分和置信等級計算置信區間，以對由基線感知質量模型針對所述經編碼視頻內容部分生成的感知質量評分的準確性進行量化，其中所述基線感知質量模型是通過基于所述訓練數據庫執行一個或多個機器學習操作而生成的，并且其中所述經編碼視頻內容部分并不包括在所述訓練數據庫中。

11.如權利要求10所述的一種或多種非暫態計算機可讀介質，其中，所述主觀評分中包括的第一主觀評分是由人響應于觀看所述訓練數據庫中包括的經編碼視頻內容部分的重建版本而指派的。

12.如權利要求10所述的一種或多種非暫態計算機可讀介質，其中，所述感知質量評分是視頻多方法評估融合VMAF度量的值。