HyperAIHyperAI
منذ 11 أيام

ERQA: تقييم جودة الاستعادة الحافة لاسترجاع دقة الفيديو

Anastasia Kirillova, Eugene Lyapustin, Anastasia Antsiferova, Dmitry Vatolin
ERQA: تقييم جودة الاستعادة الحافة لاسترجاع دقة الفيديو
الملخص

على الرغم من الانتشار المتزايد لاسترجاع التفاصيل عالية الدقة في الفيديو (VSR)، لا تزال هناك طريقة فعّالة لتقدير جودة التفاصيل المستعادة في الإطارات المُضخّمة. قد تُنتج بعض طرق الاسترجاع (SR) أرقامًا خاطئة أو وجوهًا مختلفة تمامًا. ويعتمد مدى موثوقية نتائج أي طريقة على مدى دقتها في استرجاع التفاصيل الواقعية. يمكن لاسترجاع الصور عالية الدقة (Image SR) استخدام التوزيعات الطبيعية لإنتاج صورة عالية الدقة تكون مشابهة إلى حد ما للصورة الأصلية. أما استرجاع الفيديو عالية الدقة (VSR)، فيتيح استكشاف معلومات إضافية من الإطارات المجاورة لاسترجاع التفاصيل من المشهد الأصلي. ويهدف المؤشر الذي نقترحه في هذه الورقة، المُسمّى ERQA، إلى تقدير قدرة النموذج على استرجاع التفاصيل الحقيقية باستخدام تقنية VSR. وبافتراض أن الحواف تُعدّ ذات أهمية كبيرة في التعرف على التفاصيل والخصائص، اخترنا التزامن الحوائي (Edge Fidelity) كأساس لهذا المؤشر. وتُبنى التحقق التجريبي من عملنا على معيار MSU لاسترجاع الفيديو عالية الدقة، الذي يشمل أكثر الأنماط صعوبة في استرجاع التفاصيل، ويُعدّ معيارًا لفحص دقة التفاصيل المستعادة من الإطار الأصلي. ويُتاح الكود الخاص بالمؤشر المقترح بشكل عام عبر الرابط التالي: https://github.com/msu-video-group/ERQA.

ERQA: تقييم جودة الاستعادة الحافة لاسترجاع دقة الفيديو | أحدث الأوراق البحثية | HyperAI