Implementation in C++ of the NSS-based features for video quality evaluator RAPIQUE
Loading...
Date
2024
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Pontificia Universidad Javeriana Cali
Abstract
La creciente prevalencia de contenido de video distorsionado o de baja calidad generado por usuarios en plataformas digitales ha hecho que la evaluación eficiente y precisa de la calidad del video sea crítica. RAPIQUE, un modelo para dicha evaluación, aunque preciso, sufre de tiempos de ejecución prolongados en su implementación actual en Matlab. Estas limitaciones lo hacen inadecuado para aplicaciones de baja latencia. Este trabajo de grado propone optimizar RAPIQUE reimplementándolo en C++ y aprovechando bibliotecas como OpenCV para mejorar la extracción de características basadas en estadísticas de escenas naturales (NSS). Esta optimización no solo mejora los tiempos de ejecución, sino que también permite una integración más fluida con herramientas de software existentes, mejorando así los tiempos de ejecución. El proyecto tiene implicaciones económicas y sociales significativas, incluyendo un flujo de trabajo más rápido para investigadores y empresas de medios, una mejor experiencia de usuario en plataformas de medios digitales y una reducción en el consumo de energía en centros de datos. El repositorio con los algoritmos y resultados está disponible en: https://github.com/StidlTorres1/RAPIQUE-C-Version--VideoQualityAssessment.
Description
item.page.descriptioneng
The increasing prevalence of distorted or low-quality user-generated video content on digital platforms has made the efficient and accurate assessment of video quality critical. Although accurate, RAPIQUE, a model for such evaluation, suffers from long run times in its current Matlab implementation. These limitations make it unsuitable for low-latency applications. This degree project proposes optimizing RAPIQUE by re-implementing it in C++ and leveraging libraries such as OpenCV to improve feature extraction based on natural scene statistics (NSS). This optimization not only enhances run times but also allows smoother integration with existing software tools, thereby improving execution times. The project has significant economic and social implications, including faster workflows for researchers and media companies, improved user experience on digital media platforms, and reduced energy consumption in data centers. The repository with the algorithms and results is available at https://github.com/StidlTorres1/RAPIQUE-C-Version--VideoQualityAssessment.
Keywords
Evaluación de calidad de video no referenciado (BVQA), redes neuronales convolucionales (CNN), Estadísticas de escena natural (NSS), Unidad central de procesamiento (CPU), Contenido generado por el usuario (UGC), Característica espacio-temporal, Unidad de procesamiento gráfico (GPU), Blind video quality assessment (BVQA), Convolutional neural networks (CNN), Natural scene statistics (NSS), Central Processing Unit (CPU), User-generated content (UGC), Spatio-temporal feature, Graphics Processing Unit (GPU