Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > eess > arXiv:2506.22790

帮助 | 高级搜索

电气工程与系统科学 > 图像与视频处理

arXiv:2506.22790 (eess)
[提交于 2025年6月28日 ]

标题: ICME 2025 可推广的HDR和SDR视频质量评估大挑战

标题: ICME 2025 Generalizable HDR and SDR Video Quality Measurement Grand Challenge

Authors:Yixu Chen, Bowen Chen, Hai Wei, Alan C. Bovik, Baojun Li, Wei Sun, Linhan Cao, Kang Fu, Dandan Zhu, Jun Jia, Menghan Hu, Xiongkuo Min, Guangtao Zhai, Dounia Hammou, Fei Yin, Rafal Mantiuk, Amritha Premkumar, Prajit T Rajendran, Vignesh V Menon
摘要: 本文报告了IEEE多媒体与展览国际会议(ICME)2025年关于可推广的HDR和SDR视频质量评估的大挑战。随着视频技术的快速发展,特别是高动态范围(HDR)和标准动态范围(SDR)内容的出现,对稳健且可推广的视频质量评估(VQA)方法的需求变得越来越迫切。现有的VQA模型通常难以在不同的动态范围、失真类型和多样的内容上保持一致的性能。该挑战旨在基准测试并促进能够联合处理HDR和SDR内容的VQA方法。在最终评估阶段,五支团队向全参考(FR)和无参考(NR)赛道提交了七种模型及技术报告。其中,四种方法超过了VMAF基线,而表现最佳的模型达到了最先进水平,为可推广的视频质量评估设定了新基准。
摘要: This paper reports IEEE International Conference on Multimedia \& Expo (ICME) 2025 Grand Challenge on Generalizable HDR and SDR Video Quality Measurement. With the rapid development of video technology, especially High Dynamic Range (HDR) and Standard Dynamic Range (SDR) contents, the need for robust and generalizable Video Quality Assessment (VQA) methods has become increasingly demanded. Existing VQA models often struggle to deliver consistent performance across varying dynamic ranges, distortion types, and diverse content. This challenge was established to benchmark and promote VQA approaches capable of jointly handling HDR and SDR content. In the final evaluation phase, five teams submitted seven models along with technical reports to the Full Reference (FR) and No Reference (NR) tracks. Among them, four methods outperformed VMAF baseline, while the top-performing model achieved state-of-the-art performance, setting a new benchmark for generalizable video quality assessment.
评论: ICME 2025 大挑战
主题: 图像与视频处理 (eess.IV) ; 计算机视觉与模式识别 (cs.CV); 多媒体 (cs.MM)
引用方式: arXiv:2506.22790 [eess.IV]
  (或者 arXiv:2506.22790v1 [eess.IV] 对于此版本)
  https://doi.org/10.48550/arXiv.2506.22790
通过 DataCite 发表的 arXiv DOI(待注册)

提交历史

来自: Yixu Chen [查看电子邮件]
[v1] 星期六, 2025 年 6 月 28 日 07:14:23 UTC (3,004 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
许可图标 查看许可
当前浏览上下文:
eess.IV
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-06
切换浏览方式为:
cs
cs.CV
cs.MM
eess

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号