Yu-Chih Chen

新框架在无人工标注的情况下学习游戏视频质量

研究人员开发了MTL-VQA，一个新颖的多任务学习框架，旨在提高专门针对游戏内容的无参考视频质量评估（NR-VQA）。该框架在预训练期间利用全参考（FR）质量指标作为监督信号，使其能够在不需要人工评分数据集的情况下学习感知上有意义的特征。通过具有自适应任务权重的多个互补FR代理目标进行优化，MTL-VQA学习共享表示，这些表示能够有效地迁移到下游NR-VQA任务，并取得有竞争力的性能。