[发明专利]计算机实现的方法、系统和计算机可读介质

说明书

在各种实施例中，自举训练子系统对包括主观评分的训练数据库执行(一个或多个)采样操作，以生成重采样数据集。对于每个重采样数据集，自举训练子系统执行(一个或多个)机器学习操作，以生成不同的自举感知质量模型。自举训练子系统随后使用自举感知质量模型，对由基线感知质量模型针对经编码视频内容的部分生成的感知质量评分的准确性进行量化。有利的是，相对于感知质量评分的准确性未知的现有技术，自举感知质量模型使得开发者和软件应用能够基于感知质量评分得出更有效的结论和/或更可靠地优化编码操作。

相关申请的交叉引用

本申请要求于2018年3月20日递交的序列号为62/645,774(律师案卷号：NETF0191USL)的美国临时专利申请、于2018年11月14日递交的序列号为62/767,454(律师案卷号：NETF0228USL)的美国临时专利申请、于2019年3月13日递交的序列号为16/352,755(律师案卷号：NETF0191US1)的美国专利申请、以及于2019年3月13日递交的序列号为16/352,757(律师案卷号：NETF0191US2)的美国专利申请的优先权。这些相关申请的主题通过引用结合于此。

技术领域

本发明的实施例一般地涉及计算机科学和视频技术，更具体地涉及用于通过自举法(bootstrapping)对感知质量模型不确定性进行量化的技术。

背景技术

高效且准确地对源视频进行编码是高质量源视频的实时递送的重要方面。由于经编码源视频的质量变化，通常实施质量控制来确保从经编码源视频得出的重建源视频的视觉质量(观看者感知的视觉质量)是可接受的。对重建源视频的视觉质量进行手工核实是令人望而却步地耗时的。因此，自动预测经编码视频质量通常是编码和流传输基础设施的组成部分。例如，在评估编码器/解码器(编解码器)并微调流传输比特率时一般采用自动的经编码视频质量预测来优化经编码视频的质量。

一种自动预测经编码视频质量的方法包括：基于与一组经编码训练视频相关联的原始意见评分执行机器学习操作，以生成感知质量模型。原始意见评分是由一组人类主体在观看从该组经编码训练视频解码出的一组重建训练视频时基于该组重建训练视频的感知视觉质量生成的。在训练后，感知质量模型被用来预测各种经编码源视频的感知质量评分。通过这种方式，原始意见评分使得能够更好地预测经编码源视频的感知质量评分。

使用感知质量模型的一个缺点在于，由该感知质量模型预测出的感知质量评分的准确性是未知的。更精确地说，用于训练感知质量模型的一组经编码训练视频只是所有经训练视频的少量样本。类似地，提供原始意见评分的该组人类主体指示只是所有观看者的少量样本。一般来说，样本一般并不具有与相关总体相同的平均构成，并且给定样本的构成变化是统计不确定性的来源。因此，该组经编码训练视频和该组人类主体二者都是统计不确定性的来源，这些统计不确定性会降低由感知质量模型预测出的感知质量评分的总体准确性。

由于每个感知质量评分的准确性未知，所以基于由感知质量模型生成的感知质量评分得出有效结论并优化编码操作会产生问题。例如，一些编解码器比较应用基于感知质量评分计算Bjontegaard增量比率(BD-rate)，从而相对于参考编解码器的性能来评估测试编解码器的性能。BD-rate值指定在保持相同的感知质量评分的情况下使用测试编解码器进行编码相对于使用参考编解码器进行编码的比特率变化百分比。但是，由于每个感知质量评分的准确性未知，所以BD-rate值的准确性也未知。因此，基于BD-rate值得出有关测试编解码器是否比参考编解码器性能更好的有效结论是不可能的。

如前所述，本领域需要用于对感知质量评分的准确性进行量化的技术。

发明内容