高フレームレート動画品質評価：VMAFとエントロピック差分を用いた手法

ライブで高アクションなコンテンツを含むストリーミング動画の普及に伴い、高フレームレート（HFR）動画に対する関心が高まっています。本研究では、比較対象となる動画のフレームレートや圧縮率が異なる場合に生じるフレームレート依存性の動画品質評価（VQA）問題に着目します。現在のVQAモデルであるVMAFは、比較対象の動画が同じフレームレートであり、圧縮やスケーリングなどの従来の歪みを含む場合、主観的評価と高い相関を示すという優れた性能を発揮します。しかし、異なるフレームレートの動画を比較する際には、追加の前処理ステップが必要となるため、全体的な性能に制限が生じる可能性があります。近年、フレームレートの変更に起因するアーティファクトを考慮するため、一般化エントロピー差（GREED）VQAモデルが提案され、フレームレート依存性のアーティファクト（例：ジャダー、ストロビングなど）を含むLIVE-YT-HFRデータベースにおいて、優れた性能を示しました。本論文では、VMAFとGREEDの特徴量を単純に統合する拡張手法を提案し、両モデルの利点を活かすことを目的とします。さまざまな実験を通じて、提案する特徴量統合フレームワークが、フレームレート依存性の動画品質をより効率的に予測するための優れた特徴量を提供することを示しました。さらに、標準的な非HFR VQAデータベースにおいても統合特徴量を評価した結果、GREEDおよびVMAFのいずれよりも優れた性能が得られ、統合特徴量が補完的な主観的品質情報を効果的に捉えていることを示唆しています。