Video Multimethod Assessment Fusion (original) (raw)
Video Multimethod Assessment Fusion (VMAF) is an objective full-reference video quality metric developed by Netflix in cooperation with the University of Southern California, The IPI/LS2N lab Nantes Université, and the Laboratory for Image and Video Engineering (LIVE) at The University of Texas at Austin. It predicts subjective video quality based on a reference and distorted video sequence. The metric can be used to evaluate the quality of different video codecs, encoders, encoding settings, or transmission variants.
| Property | Value |
|---|---|
| dbo:abstract | Video Multi-Method Assessment Fusion (VMAF) ist eine von einer Forschungsgruppe der University of Southern California und Netflix-Entwicklern entwickelte objektive Metrik zur algorithmischen (automatischen) Bewertung von Bildqualität in Videos. Es bewertet ein (beispielsweise durch Umcodieren) „gestörtes“ bzw. verändertes Video anhand des Vergleiches mit einer ungestörten Referenz (Original) in Form einer DMOS-Schätzung. Es fasst mehrere Merkmale unter Berücksichtigung von Abhängigkeiten der menschlichen Bildqualitätswahrnehmung von den Bildinhalten durch die Einbeziehung von maschinellem Lernen in Form einer Support Vector Machine (SVM) zu einer Wertung zusammen. Die betrachteten Merkmale können einfach ausgetauscht werden. Version 0.3.1 stützt sich auf Anti-noise SNR (ANSNR), Detail Loss Measure (DLM), Visual Information Fidelity (VIF) sowie als zeitliches Merkmal die mittlere Nachbarpixeldifferenz eines Einzelbildes relativ zu der des vorhergehenden. VMAF wurde 2016 veröffentlicht (Version 0.3.1) und soll der menschlichen Beurteilung besonders nahe kommen.Im Vergleich zu liefert es deutlich bessere Ergebnisse, vergleichbar mit dem 2011 veröffentlichten (VQM_VFD). Besonders soll es die Vergleichbarkeit der Ergebnisse zwischen verschiedenen Arten von Videomaterial und Störungen verbessern. (de) Video Multimethod Assessment Fusion (VMAF) is an objective full-reference video quality metric developed by Netflix in cooperation with the University of Southern California, The IPI/LS2N lab Nantes Université, and the Laboratory for Image and Video Engineering (LIVE) at The University of Texas at Austin. It predicts subjective video quality based on a reference and distorted video sequence. The metric can be used to evaluate the quality of different video codecs, encoders, encoding settings, or transmission variants. (en) 视频多方法评估融合 (Video Multimethod Assessment Fusion，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。 (zh) |
| dbo:wikiPageExternalLink | https://videoprocessing.ai/benchmarks/video-quality-metrics_frm.html https://github.com/Netflix/vmaf |
| dbo:wikiPageID | 54559733 (xsd:integer) |
| dbo:wikiPageLength | 8692 (xsd:nonNegativeInteger) |
| dbo:wikiPageRevisionID | 1115320307 (xsd:integer) |
| dbo:wikiPageWikiLink | dbr:Python_(programming_language) dbr:Perceptual_Evaluation_of_Video_Quality dbr:University_of_Nantes dbr:University_of_Southern_California dbr:Visual_Information_Fidelity dbr:Peak_signal-to-noise_ratio dbc:Film_and_video_technology dbr:GitHub dbr:Arithmetic_mean dbr:Structural_similarity dbr:C_(programming_language) dbr:VQuad-HD dbr:Video_quality dbr:4K_resolution dbc:Image_processing dbr:Video_codec dbc:Digital_television dbr:Support_vector_machine dbr:Reference_implementation dbr:Free_software dbr:Netflix dbr:RealNetworks dbr:Luma_(video) dbr:Mean_opinion_score dbr:Signal-to-noise_ratio dbr:Technology_and_Engineering_Emmy_Award dbr:Subjective_video_quality dbr:The_University_of_Texas_at_Austin dbr:Video_frame |
| dbp:wikiPageUsesTemplate | dbt:Reflist |
| dcterms:subject | dbc:Film_and_video_technology dbc:Image_processing dbc:Digital_television |
| rdfs:comment | Video Multimethod Assessment Fusion (VMAF) is an objective full-reference video quality metric developed by Netflix in cooperation with the University of Southern California, The IPI/LS2N lab Nantes Université, and the Laboratory for Image and Video Engineering (LIVE) at The University of Texas at Austin. It predicts subjective video quality based on a reference and distorted video sequence. The metric can be used to evaluate the quality of different video codecs, encoders, encoding settings, or transmission variants. (en) 视频多方法评估融合 (Video Multimethod Assessment Fusion，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。 (zh) Video Multi-Method Assessment Fusion (VMAF) ist eine von einer Forschungsgruppe der University of Southern California und Netflix-Entwicklern entwickelte objektive Metrik zur algorithmischen (automatischen) Bewertung von Bildqualität in Videos. Es bewertet ein (beispielsweise durch Umcodieren) „gestörtes“ bzw. verändertes Video anhand des Vergleiches mit einer ungestörten Referenz (Original) in Form einer DMOS-Schätzung. (de) |
| rdfs:label | Video Multi-Method Assessment Fusion (de) Video Multimethod Assessment Fusion (en) 视频多方法评估融合 (zh) |
| owl:sameAs | wikidata:Video Multimethod Assessment Fusion dbpedia-de:Video Multimethod Assessment Fusion dbpedia-zh:Video Multimethod Assessment Fusion https://global.dbpedia.org/id/3vgWR |
| prov:wasDerivedFrom | wikipedia-en:Video_Multimethod_Assessment_Fusion?oldid=1115320307&ns=0 |
| foaf:isPrimaryTopicOf | wikipedia-en:Video_Multimethod_Assessment_Fusion |
| is dbo:wikiPageRedirects of | dbr:VMAF |
| is dbo:wikiPageWikiLink of | dbr:Deinterlacing dbr:VP9 dbr:Peak_signal-to-noise_ratio dbr:Video_quality dbr:AV1 dbr:Video_super-resolution dbr:VMAF |
| is foaf:primaryTopic of | wikipedia-en:Video_Multimethod_Assessment_Fusion |