تُعد الهواتف الذكية والأجهزة الاستهلاكية الأخرى التي تتيح التقاط محتوى فيديو ومشاركته على وسائل التواصل الاجتماعي تقريبًا في الوقت الفعلي متاحة على نطاق واسع بسعر معقول. ونتيجة لذلك، أصبح هناك حاجة متزايدة لتقييم جودة الفيديو دون الحاجة إلى نسخة مرجعية (NR-VQA) للمحتوى الفيديوي الذي يُنتج من قبل المستخدمين، والذي يُعرّف عادةً بوجود عيوب في التقاط الصورة تختلف نوعيًا عن العيوب الملاحظة في المحتوى الفيديوي المهني. حتى الآن، تم تطوير معظم نماذج NR-VQA في الأدبيات السابقة لتقييم تشوهات الترميز والنقل، وليس تشوهات التقاط الصور. بالإضافة إلى ذلك، فإن الدقة العالية التي تتميز بها أحدث الطرق المعروفة في الأدبيات السابقة غالبًا ما تكون معقدة من حيث الحسابات، مما يجعلها غير عملية في العديد من التطبيقات الواقعية. في هذه الورقة، نقترح منهجًا جديدًا لتقييم جودة الفيديو القائم على التعلم، يعتمد على فكرة حساب السمات على مستويين: حيث يتم أولاً حساب سمات منخفضة التعقيد لجميع الإطارات في التسلسل الكامل، ثم يتم استخلاص سمات عالية التعقيد من مجموعة مختارة من الإطارات التمثيلية، التي تُحدد باستخدام السمات منخفضة التعقيد. وقد قارنا المنهج المقترح مع عدة طرق معيارية ذات صلة باستخدام ثلاث قواعد بيانات عامة مُعلَّمة حديثًا لمحتوى الفيديو، وتبين من نتائجنا أن المنهج المقترح قادر على توقع جودة الفيديو الذاتية بدقة أعلى من الطرق المعيارية. كما أن أفضل طريقة معروفة سابقاً تحقق دقة مشابهة تقريبًا، لكنها تأتي بتكلفة حسابية أعلى بشكل ملحوظ.