Avaliação da qualidade de vídeos com degradações temporais

Abstract

Nesta dissertação, estudamos a avaliação de qualidade de vídeos contendo degradações temporais. De forma geral, a avaliação de qualidade de vídeos é realizada através de experimentos subjetivos ou métricas objetivas. Experimentos subjetivos ou psico-físicos são experimentos nos quais diferentes pessoas assistem a sequências de vídeos e atribuem notas de qualidade (ou outro atributo) para cada sequência. Apesar de experimentos subjetivos serem considerados mais precisos, eles possuem um alto custo, exigindo recursos físicos e tempo para serem executados. Métricas objetivas são algoritmos computacionais que estimam a qualidade de vídeos avaliando as suas propriedades físicas. O foco desta dissertação é o estudo e aprimoramento da métrica No-reference Autoencoder VidEo (NAVE). A NAVE é uma métrica de qualidade de vídeo sem referência (cega)que é baseada em autoencoderstreinados para avaliações de degradações espaciais e temporais em vídeos. Estudos preliminares mostraram que os atributos temporais utilizados pela NAVE não estavam contribuindo para o desempenho da métrica. Desta forma, nesta dissertação fizemos um estudo de um conjunto de novos atributos espaciais e temporais que podem ser adicionados ao conjunto de atributos da NAVE, de forma a melhorar o seu desempenho. Realizamos diferentes testes e análises para verificar o desempenho da NAVE após a adição dos novos atributos. analisando o seu comportamento para degradações de compressão, perda de pacotes e congelamento de quadros. Os resultados apresentados apontam que a adição de atributos temporais mais sensíveis permite detectar melhor as degradações temporais e, consequentemente, melhorar o desempenho da métrica.