リアルワールド動画の品質を品質認識型事前学習と運動知覚を用いて盲目的に評価する

野外で取得された動画の知覚的品質評価は、動画サービスの品質保証において極めて重要である。参照動画が完全な品質（プリスタイン品質）で入手できないこと、および実際の歪みの複雑さという課題により、このような盲目的動画品質評価（BVQA）タスクは大きな挑戦に直面している。モデルベースの転移学習は、BVQAタスクにおいて有効かつ効率的な枠組みであるものの、より良い動画表現を実現するために、ドメインシフトをどのようにそして何を介して補完するかを探究することは依然として困難である。本研究では、実際の歪みを含む画像品質評価（IQA）データベースおよび豊富な運動パターンを有する大規模なアクション認識データベースから知識を転移する手法を提案する。両方のデータセットを活用して特徴抽出器の学習を実施する。提案手法は、ターゲットVQAデータベース上で、混合リストワイズランキング損失関数を用いて訓練される。6つのデータベースにおける広範な実験により、個別データベース学習および混合データベース学習の両設定において、本手法が非常に競争力のある性能を示すことが確認された。さらに、提案手法の各構成要素の妥当性を検証し、さらなる性能向上のための簡便なアプローチも考察した。