スマートフォンをはじめとする、ほぼリアルタイムで動画コンテンツを撮影し、ソーシャルメディアに共有できる消費者向けデバイスは、手頃なコストで広く利用可能となっている。このような状況を踏まえ、プロフェッショナルに制作された動画とは質的に異なる撮影に起因する劣化（キャプチャ劣化）を特徴とする消費者が生成した動画コンテンツに対する、参照なし動画品質評価（No-Reference Video Quality Assessment, NR-VQA）のニーズが急速に高まっている。これまでの先行技術において提案された多数のNR-VQAモデルは、主に符号化や伝送による歪みの評価を目的として開発されてきたが、キャプチャ劣化の評価にはあまり適していない。さらに、先行技術で最も精度の高いNR-VQA手法は、計算量が非常に多く、多くの実用的応用において現実的ではないという課題を抱えていた。本論文では、動画品質評価のための学習ベースの新アプローチを提案する。このアプローチは、動画全体に対して低計算量の特徴量をまず計算し、その後、その低計算量特徴量を用いて代表的な動画フレームのサブセットを選び、その中から高計算量の特徴量を抽出するという二段階の特徴計算に基づくものである。我々は、最近公開された3つの注釈付き公開動画品質データベースを用いて、提案手法を複数の代表的なベンチマーク手法と比較した結果、提案手法が主観的動画品質を、ベンチマーク手法よりもより正確に予測できることを確認した。最も優れた先行手法はほぼ同等の精度を達成するものの、計算コストは著しく高いことが明らかになった。