视频画质评价服务¶
视频画质检测 VQA 功能基于MGTV自研算法，由MGTV采集专业视频自制无参考视频画质评价数据集训练，能够视频对上传的视频质量完成机器评分。本文为您介绍背景信息、功能介绍、应用场景、画质检测评分等内容。
背景信息¶
视频画质评价是一项关键任务，它旨在为用户提供关于视频质量的客观和主观评估。在现代社交媒体和数字内容的时代，视频的画质成为了用户观看体验中至关重要的因素之一。在评估视频画质时，需要考虑多个方面，包括分辨率、色彩准确性、对比度、清晰度等。常用视频评价指标有PSNR（峰值信噪比）、SSIM(结构相似性）、VMAF（视频多方法评估融合），其中PSNR本质是比较两张图像像素值差异，未能考虑质量损失对主观感受的影响。SSIM作为一种全参考的图像质量评价指标，分别从亮度、对比度、结构三方面度量图像相似性，在衡量编码主观损失方面相较PSNR有所提升。由 Netflix 推出的视频质量评价工具VMAF，融合多种算法，用来解决传统指标不能反映多种场景、多种特征的视频情况。质量评估常用指标 PSNR 和 SSIM，虽然简单易算，但却不能完全反应人眼主观感受，更无法评价对原画的增强，VMAF 可以做到这点但仍有缺陷：1.VMAF 值不够精确，具有迷惑性；2.VMAF 在衡量原画损失的能力稍弱，有时不如 SSIM 与 PSNR。相比 PSNR、SSIM、VMAF 等有参考评估算法，由MGTV自研的无参考质量评价算法MGTV-VQA，无需源视频作为参考，可直接对输入的视频图像进行高效精确的打分，进而为用户提供更好的观看体验。
功能介绍¶
无参考质量评价指的是缺少源参考视频的时，由机器模仿人类对视频的主观感受，独立地进行质量评价。MGTV-VQA融合清晰度、对比度、噪声度、色彩丰富性、分比率等多个影响视觉体验的重要感知因素，给出客观和精确的视频质量评估。在准确获得用户对视频的视觉感受后，面向最终的消费者，可以开展多种应用：视频端到端优化、基于视频质量的推荐、窄带高清视频转码、低质视频筛查等。
应用场景¶
1.视频端到端优化：监控从视频的采集、编码、传输到解码和显示等各个环节的视频画质变化，结合整个视频传输和处理流程中的优化措施来提升视频的质量，以确保视频在最终用户端呈现出最佳的画质。 2.基于视频质量的推荐：依据视频画质评分和用户的画质偏好信息，可以根据用户的喜好和当前观看环境的要求，从视频库中筛选出具有高画质的视频，并将其推荐给用户。 3.窄带高清视频转码：基于无参考视频画质评价算法，在主观画质不变或少量降低下（用户无感知）自适应提高视频压缩效率，兼顾用户体验和更高效的视频传输，降低带宽成本。 4.低质视频筛查：通过对视频进行机器评分，自动检测和筛选出低质量视频，可应用于视频内容审核、媒体监管和在线平台的内容管理等领域。
画质检测¶
MGTV-VQA评分区间为 [1,5]，评分越高代表视频画质越好。不同视频质量对应的不同的评分段，画质评分效果如下所示：
MGTV-VQA算法PLCC\SROCC指标可达0.9120\0.8854,算法客观评分与用户主观评分强相关（如下图所示），可提供较高的准确率保障，刻画真实用户主观体验。
