Εξάγοντας την αντιληπτή ποιότητα βίντεο από μετρήσεις της μεθόδου VMAF σε επίπεδο πλαισίου

dc.contributor.authorΜπάτση, Σοφίαel
dc.date.accessioned2020-02-28T10:35:27Z
dc.date.available2020-02-28T10:35:27Z
dc.identifier.urihttps://olympias.lib.uoi.gr/jspui/handle/123456789/29672
dc.identifier.urihttp://dx.doi.org/10.26268/heal.uoi.9669
dc.rightsAttribution-NonCommercial-NoDerivs 3.0 United States*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/us/*
dc.subjectΑξιολόγηση ποιότητας βίντεοel
dc.subjectΧρονική συγκέντρωσηel
dc.subjectΠοιοτητα εμπειρίαςel
dc.subjectVMAFen
dc.subjectVideo Quality Assessmenten
dc.subjectPooling methoden
dc.subjectQoEen
dc.titleΕξάγοντας την αντιληπτή ποιότητα βίντεο από μετρήσεις της μεθόδου VMAF σε επίπεδο πλαισίουel
dc.titleImproved temporal pooling for perceptual Video Quality Assessment using VMAFen
heal.abstractΜια από τις σημαντικότερες μετρικές οι οποίες χαρακτηρίζουν μια υπηρεσία πολυμέσων είναι η ποιότητα με την οποία την αντιλαμβάνεται ο τελικός χρήστης, γνωστή και ως ποιότητα εμπειρίας (Quality of Experience - QoE). Η μετρική αυτή σχετίζεται άμεσα με την επιλογή του χρήστη να συνεχίσει να χρησιμοποιεί (και ίσως να πληρώνει) την υπηρεσία ή να την διακόψει. Οι πάροχοι πολυμεσικών υπηρεσιών, προκειμένου να εξασφαλίσουν την ικανοποίηση των πελατών τους, αναπτύσσουν μεθόδους για τον αυτόματο (χωρίς την άμεση συμμετοχή του χρήστη) υπολογισμό της QoE. Μία τέτοια μέθοδος είναι η Video Multi-Method Assessment Fusion (VMAF), που έχει προταθεί από τη Netflix. Η VMAF προσφέρει μια αυτοματοποιημένη εκτίμηση της ποιότητας εικόνας σε κάθε πλαίσιο μιας ακολουθίας βίντεο. Στη συνέχεια της διαδικασίας, υπολογίζεται ο αριθμητικός μέσος όρος των μετρήσεων ποιότητας ανά πλαίσιο, προκειμένου να ληφθεί μια εκτίμηση της συνολικής QoE της ακολουθίας βίντεο. Σε αυτή την εργασία επικυρώνουμε την υπόθεση ότι ο αριθμητικός μέσος, ως μέθοδος χρονικής συγκέντρωσης (temporal pooling method), υποεκτιμά την συνεισφορά των πλαισίων κακής ποιότητας στον υπολογισμό της QoE, οδηγώντας σε τιμές υψηλότερες από αυτές που δίνονται από υποκειμενικές μετρήσεις. Δείχνουμε επίσης ότι το άθροισμα Minkowski (κατάλληλα παραμετροποιημένο) προσεγγίζει βέλτιστα τις υποκειμενικές μετρήσεις QoE. H ποσοτικοποίηση αυτής της προσέγγισης αποτυπώνεται με τη χρήση των κυριότερων συντελεστών συσχέτισης, δηλαδή, Spearman Rank Correlation Coefficient (SRCC), Pearson Correlation Coefficient (PCC) καθώς και συμβατικά με την χρήση της ρίζας του μέσου τετραγωνικού σφάλματος, Root-Mean-Square-Error (RMSE).el
heal.abstractOne of the key elements that characterizes a multimedia service is its quality. This feature is an important factor that will lead a user to satisfaction and further use or avoidance. For this reason, it is especially necessary for multimedia service providers, in order to ensure the satisfaction of their customers, to develop metrics to calculate the user’s QoE (Quality of Experience). The Video Multimethod Assessment Fusion (VMAF) method, proposed by Netflix, offers an automated estimation of perceptual video quality for each frame of a video sequence. Then, the arithmetic mean of the per-frame quality measurements is taken by default, in order to obtain an estimate of the overall QoE of the video sequence. In this paper, we validate the hypothesis that the arithmetic mean conceals the bad quality frames, leading to an overestimation of the provided quality. We also show that the Minkowski mean (appropriately parametrized) approximates well the subjectively measured QoE, providing superior Spearman Rank Correlation Coefficient (SRCC), Pearson Correlation Coefficient (PCC), and Root-Mean-Square-Error (RMSE) scores.en
heal.academicPublisherΠανεπιστήμιο Ιωαννίνων. Πολυτεχνική Σχολή. Τμήμα Μηχανικών Ηλεκτρονικών Υπολογιστών και Πληροφορικήςel
heal.academicPublisherIDuoi
heal.accessfree
heal.advisorNameΚόντης, Λυσίμαχος-Παύλοςel
heal.bibliographicCitationΒιβλιογραφία: σ. 53-55el
heal.classificationΗλεκτρονικοί υπολογιστές -- πολυμέσα (Multimedia)
heal.committeeMemberNameΚόντης, Λυσίμαχος-Παύλοςel
heal.committeeMemberNameΝίκου, Χριστόφοροςel
heal.committeeMemberNameΠαρσόπουλος, Κωνσταντίνοςel
heal.dateAvailable2020-02-28T10:36:27Z
heal.fullTextAvailabilitytrue
heal.languageel
heal.numberOfPages65 σ.
heal.publicationDate2019
heal.recordProviderΠανεπιστήμιο Ιωαννίνων. Πολυτεχνική Σχολή. Τμήμα Μηχανικών Ηλεκτρονικών Υπολογιστών και Πληροφορικήςel
heal.typemasterThesis
heal.type.elΜεταπτυχιακή εργασίαel
heal.type.enMaster thesisen

Αρχεία

Πρωτότυπος φάκελος/πακέτο

Προβολή: 1 - 1 of 1
Φόρτωση...
Μικρογραφία εικόνας
Ονομα:
Μ.Ε. ΜΠΑΤΣΗ ΣΟΦΙΑ 2019.pdf
Μέγεθος:
1.32 MB
Μορφότυπο:
Adobe Portable Document Format
Περιγραφή:

Φάκελος/Πακέτο αδειών

Προβολή: 1 - 1 of 1
Φόρτωση...
Μικρογραφία εικόνας
Ονομα:
license.txt
Μέγεθος:
1.71 KB
Μορφότυπο:
Item-specific license agreed upon to submission
Περιγραφή: