ST-GREED: 프레임 레이트 의존성 비디오 품질 예측을 위한 공간-시간 일반화 엔트로피 차이

다양한 프레임 레이트를 가진 영상, 특히 고프레임 레이트(HFR) 영상에 대해 프레임 레이트 의존성 영상 품질 평가(VQA) 문제를 다룹니다. 더 넓게는 시각적 품질이 프레임 레이트에 어떻게 영향을 받는지, 그리고 프레임 레이트와 압축이 결합하여 인지된 품질에 어떤 영향을 미치는지를 탐구합니다. 우리는 공간적 및 시간적 밴드패스 영상 계수의 통계를 분석하는 객관적 VQA 모델인 Space-Time GeneRalized Entropic Difference(GREED)를 제안합니다. 밴드패스 응답을 모델링하기 위해 일반화된 가우시안 분포(GGD)를 사용하며, GGD 모델 하에서 참조 영상과 왜곡 영상 간의 엔트로피 변화를 이용해 프레임 레이트 변화에 따른 영상 품질 변화를 포착합니다. 이 엔트로피 차이는 여러 시간적 및 공간적 하위대역에서 계산되며, 학습된 회귀기(Regressor)를 통해 통합됩니다. 광범위한 실험을 통해 기존의 VQA 모델들과 비교했을 때, GREED가 LIVE-YT-HFR 데이터베이스에서 최신 기준 수준의 성능을 달성함을 입증하였습니다. GREED에서 사용하는 특징은 매우 일반화 가능하며, 표준적인 비-HFR VQA 데이터베이스에서도 경쟁력 있는 성능을 보입니다. GREED의 구현 코드는 온라인으로 공개되었으며, 아래 링크에서 확인할 수 있습니다: https://github.com/pavancm/GREED