사용자 생성 콘텐츠에 대한 비디오 품질 평가: 미적 및 기술적 관점에서의 탐구

사용자 생성 콘텐츠(UGC) 영상의 급격한 증가는 효과적인 영상 품질 평가(VQA) 알고리즘의 개발을 시급히 요구하고 있다. 그러나 UGC-VQA 문제의 목적은 여전히 모호하며, 기술적 관점(왜곡 인식 측정)과 미학적 관점(콘텐츠에 대한 선호도 및 추천과 관련)이라는 두 가지 관점에서 해석될 수 있다. 이러한 두 관점이 UGC-VQA에서 전체 주관적 평가에 어떻게 영향을 미치는지 이해하기 위해, 우리는 영상의 전반적 품질에 대한 인간의 주관적 평가뿐 아니라 미학적 및 기술적 관점에서의 인식을 수집하기 위해 대규모 주관적 실험을 수행하였다. 수집된 분리된 영상 품질 데이터베이스(DIVIDE-3k)는 사용자 생성 영상에 대한 인간의 품질 평가가 항상 미학적 및 기술적 관점의 영향을 받고 있음을 확인하였다. 이러한 결과를 바탕으로, 본 연구는 두 관점에 기반하여 UGC 영상의 품질을 학습하는 분리된 목적 영상 품질 평가기(DOVER)를 제안한다. DOVER는 매우 높은 효율성 하에서 UGC-VQA 분야에서 최상의 성능을 입증하였다. DIVIDE-3k에 포함된 관점별 평가 정보를 활용하여, 우리는 단일한 미학적 또는 기술적 관점에서 신뢰할 수 있고 명확한 품질 평가를 제공하는 최초의 접근법인 DOVER++를 추가로 제안한다. 코드는 https://github.com/VQAssessment/DOVER 에서 확인할 수 있다.