실제 환경의 영상 품질을 품질 인지 사전 훈련과 운동 인지 기반으로 맹목적으로 평가하기

실제 환경에서 촬영된 영상의 지각적 품질 평가는 영상 서비스의 품질 보증에 있어 매우 중요하다. 완벽한 품질을 가진 참조 영상에 접근할 수 없으며, 실제 왜곡의 복잡성으로 인해 이와 같은 블라인드 영상 품질 평가(BVQA) 작업은 큰 도전 과제를 안고 있다. 모델 기반의 전이 학습은 BVQA 작업에 효과적이고 효율적인 패러다임이지만, 보다 나은 영상 표현을 위해 도메인 간 차이를 어떻게 그리고 무엇을 통해 보완할지 탐색하는 것은 여전히 해결해야 할 과제이다. 본 연구에서는 진정성 있는 왜곡을 가진 이미지 품질 평가(IQA) 데이터베이스와 풍부한 움직임 패턴을 포함하는 대규모 행동 인식 데이터베이스로부터 지식을 전이하는 방안을 제안한다. 두 그룹의 데이터를 활용하여 특징 추출기 학습을 수행한다. 제안하는 모델은 목표 VQA 데이터베이스에서 혼합 리스트 기반 순위 손실 함수를 사용하여 학습된다. 여섯 개의 데이터베이스에서 실시한 광범위한 실험 결과, 본 방법은 개별 데이터베이스 및 혼합 데이터베이스 학습 환경 모두에서 매우 경쟁력 있는 성능을 보였다. 또한 제안된 방법의 각 구성 요소의 타당성을 검증하고, 향후 성능 향상을 위한 간단한 방안을 탐색하였다.