研究进展

  首先推荐这方面的大牛——雷霄骅，刚开始接触这个领域时，他的博客让我学习到好多。遗憾的是他已经离开我们。大家可以从他的博客中找学习很多基础性的知识。

一 视频质量评价大致可以按照以下方法划分：

    （1）依据对原始视频的参考程度分类：全参考、半参考以及无参考；

    （2）依据特征的来源：像素域，压缩域等；

        （3）依据采用方法：传统机器学习方法、深度学习方法；回归、分类等；

    （4）依据研究对象划分：压缩视频（只有拍摄过程中的抖动等以及压缩失真）、用户看到的视频（压缩失真+传输失真）；

    （5）依据是否有“人”的参与：客观评价、主观评价。

二 就上述5个部分，介绍其经典的方法：

    （1）关于全参考、半参考以及无参考的介绍，参照下面链接：

                   http://yunxin.163.com/blog/video14-0809/

    （2）关于像素域，压缩域，统计信息等的研究：

     像素域：在深度学习出来以前，像素域的研究较少，深度学习出来之后，视频质量评价跟随深度学习的脚步，主要有以下几种框架：

        CNN提取帧级特征，之后送入LSTM中做回归（CNN指CNN系列的网络框架，如Resnet等）；

        3DCNN直接做回归（速度较慢）；

        双流网络，CNN+光流信息等等。

     压缩域：将视频进行压缩后，统计其I帧，P帧位置，DCT域中不同宏块的比例等作为影响因素。

        统计信息：特意把统计信息拿出来，是因为有些研究是针对用户看到的视频，统计卡顿时长、位置、次数等信息作为影响因素。

    （3）采用方法：传统机器学习方法如随机森林、LASSO、最小二乘回归等等；深度学习方法如CNN等系列架构；

    （5）依据是否有“人”的参与：客观评价中引入一些列客观指标，如SSIM，PSNR，SSIMplus,VMAF等等，主观质量评价，即用户主观打分（MOS），分为0-5或者0-100不同的打分方法。