基于预训练模型的FVD在非可见光视频质量评估的应用与改进  

作　　者：谢晓婷 吴佳栋 周俊丞 黄勋 黄斌 

机构地区：[1]集美大学

出　　处：《数字技术与应用》2022年第11期103-109,134,共8页Digital Technology & Application

基　　金：福建省自然科学基金面上项目(2019J01712);国家级大学生创新训练项目(202110390025)。

摘　　要：FVD是一种评估机器自动生成视频质量的评估指标,在可见光视频生成领域已经得到了较为广泛的应用。现有文献在计算FVD数值时,需要通过一个预训练模型提取视频数据的关键特征。然而,这个预训练模型是通过可见光视频数据集训练得到的,目前仍缺少对其在非可见光领域视频质量评估可行性的探索。为了研究FVD对非可见光视频生成的评估效果,本文基于I3D模型,使用非可见光领域数据集分别微调预训练模型和重新训练模型,采用红外和紫外视频数据集模拟出不同质量的生成视频,剖析FVD在非可见光视频质量评估的应用表现。

关 键 词：可见光视频 预训练模型 3D模型 数据集 视频质量评估 FVD 视频数据 应用与改进 

分 类 号：TP311.5[自动化与计算机技术—计算机软件与理论]