近日，騰訊多媒體實(shí)驗(yàn)室設(shè)計(jì)的基于深度學(xué)習(xí)的全參考視頻質(zhì)量評(píng)估算法DVQA在Github上正式開源，該算法模型的性能目前在公開測(cè)試數(shù)據(jù)集上取得業(yè)界領(lǐng)先成績(jī)。

開源地址：https://github.com/Tencent/DVQA

國(guó)內(nèi)鏡像地址：

https://git.code.tencent.com/Tencent_Open_Source/DVQA

（登錄后才能訪問(wèn)公開項(xiàng)目）

騰訊工蜂源碼系統(tǒng)為開源開發(fā)者提供完整、最新的騰訊開源項(xiàng)目國(guó)內(nèi)鏡像

視聽時(shí)代，音視頻應(yīng)用越來(lái)越廣泛：直播、短視頻、視頻節(jié)目、音視頻通話……近期由于新冠疫情帶來(lái)的在線協(xié)同辦公、在線教育類產(chǎn)品的崛起，更帶來(lái)了線上音視頻需求的爆發(fā)，用戶對(duì)音視頻質(zhì)量訴求也愈加強(qiáng)烈。

在整個(gè)視頻鏈路中，大部分模塊都可以精確度量，如采集、上傳、預(yù)處理、轉(zhuǎn)碼、分發(fā)等。然而未知的部分卻恰恰是最關(guān)鍵的部分，即用戶的視頻觀看體驗(yàn)到底怎么樣。目前行業(yè)內(nèi)的視頻質(zhì)量評(píng)估方法分為兩大類：客觀質(zhì)量評(píng)估與主觀質(zhì)量評(píng)估。前者計(jì)算視頻的質(zhì)量分?jǐn)?shù)，又根據(jù)是否使用高清視頻做參考、源視頻是專業(yè)視頻還是用戶原創(chuàng)視頻等進(jìn)一步細(xì)分；后者主要依賴人眼觀看并打分，能夠直觀反映觀眾對(duì)視頻質(zhì)量的感受。然而，這些方法仍存在耗時(shí)費(fèi)力、成本較高、主觀觀感存在偏差等難題。

多媒體實(shí)驗(yàn)室提出的視頻質(zhì)量評(píng)估解決方案，首先結(jié)合業(yè)務(wù)需求，使用“在線主觀質(zhì)量評(píng)測(cè)平臺(tái)”，來(lái)構(gòu)建大規(guī)模主觀質(zhì)量數(shù)據(jù)庫(kù)，同時(shí)使用所收集的主觀數(shù)據(jù)來(lái)訓(xùn)練基于深度學(xué)習(xí)的客觀質(zhì)量評(píng)估算法，最后把訓(xùn)練好的質(zhì)量評(píng)估算法部署到業(yè)務(wù)線中，閉環(huán)監(jiān)控可能存在的質(zhì)量問(wèn)題。從以上三個(gè)角度出發(fā)，DVQA能夠在兼顧不同業(yè)務(wù)、場(chǎng)景的前提下，滿足效率與精度兩大需求。

DVQA包含多個(gè)質(zhì)量評(píng)估算法模型，本次開源的是針對(duì)PGC視頻的算法C3DVQA。本項(xiàng)目使用Python開發(fā)，深度學(xué)習(xí)模塊使用PyTorch。代碼使用模塊化設(shè)計(jì)，方便集成較新的深度學(xué)習(xí)技術(shù)，靈活的自定義模型，訓(xùn)練和測(cè)試新的數(shù)據(jù)集。

在算法設(shè)計(jì)上，C3DVQA所使用的網(wǎng)絡(luò)結(jié)構(gòu)如下圖所示。其輸入為損傷視頻和殘差視頻。網(wǎng)絡(luò)包含兩層二維卷積來(lái)逐幀提取空域特征。級(jí)聯(lián)后使用四層三維卷積層來(lái)學(xué)習(xí)時(shí)空聯(lián)合特征。三維卷積輸出描述了視頻的時(shí)空掩蓋效應(yīng)，再使用它來(lái)模擬人眼對(duì)視頻殘差的感知情況：掩蓋效應(yīng)弱的地方，殘差更容易被感知；掩蓋效應(yīng)強(qiáng)的地方，復(fù)雜的背景更能掩蓋畫面失真。

網(wǎng)絡(luò)最后是池化層和全連接層。池化層的輸入為殘差幀經(jīng)掩蓋效應(yīng)處理后的結(jié)果，它代表了人眼可感知?dú)埐�。全連接層學(xué)習(xí)整體感知質(zhì)量和目標(biāo)質(zhì)量分?jǐn)?shù)區(qū)間的非線性回歸關(guān)系。

在評(píng)測(cè)結(jié)果上，騰訊多媒體實(shí)驗(yàn)室在LIVE和CSIQ兩個(gè)視頻質(zhì)量數(shù)據(jù)集上對(duì)所提出算法的性能進(jìn)行驗(yàn)證。并使用標(biāo)準(zhǔn)的PLCC和SROCC作為質(zhì)量準(zhǔn)則來(lái)比較不同算法的性能。將所提出的C3DVQA與常用的全參考質(zhì)量評(píng)估算法進(jìn)行對(duì)比，包括PSNR，MOVIE，ST-MAD，VMAF和DeepVQA，結(jié)果如下表所示。

（LIVE和CSIQ兩個(gè)數(shù)據(jù)庫(kù)上不同全參考算法性能比較）

目前該評(píng)估算法已在騰訊內(nèi)外部多款產(chǎn)品中進(jìn)行使用驗(yàn)證，如騰訊會(huì)議就借助實(shí)驗(yàn)室上百個(gè)符合ITU/3GPP/AVS等國(guó)外內(nèi)標(biāo)準(zhǔn)的指標(biāo)進(jìn)行評(píng)判，閉環(huán)監(jiān)控全網(wǎng)的用戶體驗(yàn)質(zhì)量，從用戶真實(shí)體驗(yàn)出發(fā)，不斷優(yōu)化產(chǎn)品性能。

作為最早布局音視頻領(lǐng)域的公司之一，從最早的QQ平臺(tái)，騰訊就試圖解決在當(dāng)年網(wǎng)絡(luò)條件下若干的音視頻通信問(wèn)題。伴隨著5G、云計(jì)算、大數(shù)據(jù)、人工智能技術(shù)的發(fā)展，騰訊多媒體實(shí)驗(yàn)室基于多年的技術(shù)沉淀和行業(yè)經(jīng)驗(yàn)，逐步打磨出一條完善且高質(zhì)量的音視頻技術(shù)鏈條。