스마트폰을 비롯한 소비자용 기기들은 거의 실시간으로 영상 콘텐츠를 촬영하고 소셜미디어에 공유할 수 있으며, 이러한 기기들은 합리적인 비용으로 널리 보급되고 있다. 따라서 소비자에 의해 생성된 영상 콘텐츠의 비참조 영상 품질 평가(NR-VQA, No-Reference Video Quality Assessment)에 대한 수요가 점점 증가하고 있다. 일반적으로 이러한 소비자 생성 영상은 전문적으로 제작된 영상 콘텐츠와는 질적으로 다른 촬영 환경에 의한 왜곡 특성을 지닌다. 기존 연구에서 대부분의 NR-VQA 모델은 코딩 및 전송 왜곡을 평가하기 위해 개발되었으며, 촬영 왜곡을 다루기 위한 것은 아니다. 게다가 기존에 알려진 가장 정확한 NR-VQA 방법들은 종종 계산 복잡도가 높아, 많은 실용적 응용에 적용하기에 부적합하다. 본 논문에서는 두 수준의 특징을 계산하는 아이디어를 기반으로 한 새로운 학습 기반 영상 품질 평가 방법을 제안한다. 이 방법은 먼저 전체 영상 시퀀스에 대해 저복잡도 특징을 계산한 후, 그 특징을 활용해 대표적인 영상 프레임의 하위 집합을 선정하고, 해당 프레임들로부터 고복잡도 특징을 추출한다. 우리는 최근 공개된 세 가지 주석이 부여된 공개 영상 품질 데이터베이스를 사용하여 제안한 방법을 여러 관련 기준 방법들과 비교하였다. 그 결과, 제안한 방법이 기준 방법들보다 주관적 영상 품질을 더 정확하게 예측함을 확인하였다. 가장 성능이 뛰어난 기존 방법은 거의 유사한 정확도를 달성할 수 있었지만, 계산 비용이 상당히 높은 것으로 나타났다.