Évaluer aveuglément la qualité des vidéos en situation réelle grâce à une pré-formation consciente de la qualité et à une perception du mouvement

L’évaluation de la qualité perceptuelle des vidéos acquises dans des environnements naturels (« in the wild ») revêt une importance capitale pour la garantie de qualité des services vidéo. L’inaccessibilité des vidéos de référence de qualité optimale ainsi que la complexité des distorsions authentiques posent des défis majeurs pour cette tâche de qualité vidéo aveugle (BVQA). Bien que l’apprentissage par transfert basé sur des modèles constitue un paradigme efficace et performant pour la BVQA, il reste un défi d’identifier ce qu’il convient de transférer et comment combler les écarts de domaine afin d’améliorer la représentation vidéo. Dans ce travail, nous proposons de transférer des connaissances à partir de bases de données d’évaluation de la qualité d’image (IQA) présentant des distorsions authentiques, ainsi que de bases de données d’identification d’actions à grande échelle, riches en motifs de mouvement. Nous exploitons conjointement ces deux jeux de données pour apprendre un extracteur de caractéristiques. Le modèle proposé est entraîné sur les bases de données cibles de qualité vidéo (VQA) à l’aide d’une fonction de perte de classement par liste mixte. Des expériences étendues menées sur six bases de données montrent que notre méthode obtient des performances très compétitives, tant dans les scénarios d’entraînement sur une seule base que sur des combinaisons de bases. Nous validons également la pertinence de chaque composant de la méthode proposée et explorons une approche simple pour une amélioration ultérieure.