КАРТОЧКА ПРОЕКТА ФУНДАМЕНТАЛЬНЫХ И ПОИСКОВЫХ НАУЧНЫХ ИССЛЕДОВАНИЙ,
ПОДДЕРЖАННОГО РОССИЙСКИМ НАУЧНЫМ ФОНДОМ
Информация подготовлена на основании данных из Информационно-аналитической системы РНФ, содержательная часть представлена в авторской редакции. Все права принадлежат авторам, использование или перепечатка материалов допустима только с предварительного согласия авторов.
ОБЩИЕ СВЕДЕНИЯ
Номер проекта 22-21-00478
НазваниеРазработка методов объективной оценки качества алгоритмов преобразования видео
Руководитель Ватолин Дмитрий Сергеевич, Кандидат физико-математических наук
Организация финансирования, регион Федеральное государственное бюджетное образовательное учреждение высшего образования «Московский государственный университет имени M.В.Ломоносова» , г Москва
Конкурс №64 - Конкурс 2021 года «Проведение фундаментальных научных исследований и поисковых научных исследований малыми отдельными научными группами»
Область знания, основной код классификатора 01 - Математика, информатика и науки о системах; 01-727 - Специализированные системы обработки и анализа изображений и сигналов
Ключевые слова оценка качества видео, устойчивость методов оценки, повышение разрешения, подавление шума, устранение чересстрочности, повышение битности видео, обратное тональное отображение, подавление блочности
Код ГРНТИ28.23.15
ИНФОРМАЦИЯ ИЗ ЗАЯВКИ
Аннотация
По данным Oberlo [1], к 2022 году ожидается, что видеотрафик будет занимать 82% от всего мирового интернет-трафика. Увеличение объёма видеотрафика обусловлено как ростом популярности видеоконтента относительно иных способов передачи информации, так и повышением исходного качества съёмки создаваемых видео. Последнее явилось следствием технологического прогресса, в частности в области производства видеокамер. Каждый день создается и загружается огромное количество новых видео, общая продолжительность которого превышает продолжительность человеческой жизни. Поэтому становятся все более актуальными методы для работы с видеоданными.
Методы преобразования и обработки видео, такие как super-resolution, подавление шума, устранение чересстрочности, повышение битности видео, преобразование SDR в HDR являются ключевыми технологиями для работы с видеоконтентом в современном мире. Количество исследований и алгоритмов в данных областях с каждым годом увеличивается. Однако, для большинства из этих задач не существует объективных методов оценки качества, показывающих адекватную корреляцию с субъективными оценками. До сих пор в исследованиях чаще всего применяются классические метрики (PSNR, SSIM), результаты которых нередко отличаются от результатов, полученных в ходе субъективных экспериментов. Проект направлен на исследование применимости и устойчивости существующих метрик оценки визуального качества, а также на разработку новых методов оценки качества работы, нацеленных на конкретные задачи преобразования видео. Так как в разных задачах преобразования видео встречаются различные специфические классы артефактов, разработка отдельных метрик позволит достичь значительно большей корреляции с субъективными оценками.
В проекте методы оценки качества видео рассматриваются с трех ракурсов. Во-первых, это исследование общих объективных методов оценки качества с точки зрения их устойчивости к малым искажениям видео и корреляции с субъективными оценками. Во-вторых, это исследование методов оценки качества в задачах устранения имеющихся на видео искажений (чересстрочная развёртка, шум). В-третьих, это исследование методов оценки качества в задачах преобразования видео, добавляющих новые искажения, таких как super-resolution, повышение битности видео и преобразование SDR в HDR.
[1] https://www.oberlo.com/blog/video-marketing-statistics
ОТЧЁТНЫЕ МАТЕРИАЛЫ
Публикации
1. Шумицкая Е.А., Анциферова А.В., Ватолин Д.С. Universal Perturbation Attack on Differentiable No-Reference Image- and Video-Quality Metrics British Machine Vision Conference 2022 (год публикации - 2022)
2.
Сафонов Н.И., Ватолин Д.С.
Bit-depth enhancement detection for compressed video
2022 IEEE 24th International Workshop on Multimedia Signal Processing (MMSP) (год публикации - 2022)
10.1109/MMSP55362.2022.9949371
3.
Звездаков С.В., Соловьёв А.В., Ватолин Д.С.
Iterative Machine-Learning-Based Method of Selecting Encoder Parameters for Speed-Bitrate Tradeoff
2022 Data Compression Conference (DCC), с. 01-01 (год публикации - 2022)
10.1109/DCC52660.2022.00110
4.
Мещанинов В.П., Молодецких И.А., Ватолин Д.С., Волобой А.Г.
Сочетание контрастного обучения и обучения с учителем для обнаружения видео с сверхвысоким разрешением
Препринты ИПМ им. М.В.Келдыша, №80, с. 1-13 (год публикации - 2022)
10.20948/prepr-2022-80
5.
Железов М.С., Ляпустин Е.В., Москаленко А.В., Ватолин Д.С., Волобой А.Г.
Выбор лучшей проекции для видео 360°
Препринты ИПМ им. М.В.Келдыша, №79, с. 1-9 (год публикации - 2022)
10.20948/prepr-2022-79
6.
Богатырев Е.Н., Молодецких И.А., Ватолин Д.С., Галактионов В.А.
Исследование качества сжатого видео после повышения разрешения: бенчмарк и метрика качества
Препринты ИПМ им. М.В.Келдыша, №81, с. 1-24 (год публикации - 2022)
10.20948/prepr-2022-81
Публикации
1.
Синюков М.В., Куликов Д.Л., Ватолин Д.С.
Applicability limitations of differentiable full-reference image-quality metrics
2023 Data Compression Conference (DCC), с. 1-1 (год публикации - 2023)
10.1109/dcc55655.2023.00082
2. Богатырев Е.Н., Молодецких И.А., Ватолин Д.С. Compressed Video Quality Assessment for Super-Resolution: a Benchmark and a Quality Metric Pacific-Rim Symposium on Image and Video Technology (PSIVT) 2023 (год публикации - 2023)
3. Алутис Н.А., Чистов Е.А., Дремин М.В, Ватолин Д.С. BASED: Benchmarking, Analysis, and Structural Estimation of Deblurring 2023 IEEE International Conference on Visual Communications and Image Processing (VCIP) (год публикации - 2023)
4. Синюков М.В., Куликов Д.Л., Ватолин Д.С. Unveiling the Limitations of Novel Image Quality Metrics 2023 IEEE 25th International Workshop on Multimedia Signal Processing (MMSP) (год публикации - 2023)