视频多方法评估融合

视频多方法评估融合（，VMAF）是Netflix与南加州大学、南特大学IPI/LS2N 实验室以及德克萨斯大学奥斯汀分校图像和视频工程实验室 (LIVE) 合作开发的客观的全参考视频质量指标。它根据参考和失真的视频序列预测主观视频质量。该指标可用于评估不同视频编解码器、编码器、编码设置或传输变体的质量。

历史
该指标基于南加州大学 C.-C. Jay Kuo 教授小组的初步工作。

组件
VMAF 使用现有的图像质量指标和其他功能来预测视频质量：

• 视觉信息保真度（VIF）：考虑四个不同空间尺度的信息保真度损失
• 细节损失指标 (DLM)：

表现
与主观评分相比，早期版本的 VMAF 在四个数据集中的三个数据集上的预测准确性已被证明优于其他图像和视频质量指标，例如SSIM 、 PSNR -HVS 和 VQM-VFD。 其源代码和其他材料可在GitHub上获得。

}}