#视频质量评估

common_metrics_on_video_quality

这是一个开源项目，提供了计算FVD、SSIM、LPIPS和PSNR等多种视频质量评估指标的工具包。支持灰度和RGB视频格式，适用于生成模型和预测模型的视频质量评估。项目在Ubuntu系统上运行稳定，并提供了详细的使用说明和注意事项。研究人员和开发者可以利用此工具包进行便捷的视频质量分析。

FAST-VQA-and-FasterVQA

FAST-VQA和FasterVQA是端到端视频质量评估的开源工具箱,提供高效的评估模型。FasterVQA作为FAST-VQA的改进版,在保持相似性能的同时速度提升4倍。这些模型在多个数据集上达到最先进水平。项目采用模块化架构,支持灵活的空间和时间采样方法及多种网络结构。研究者可进行模型训练、测试,并在小型数据集上微调。

DOVER

DOVER是一种创新的视频质量评估方法,将审美和技术两个维度解耦,为用户生成内容提供全面评估。该方法从现有UGC-VQA数据集中分离这两个维度,并提供了包括轻量级DOVER-Mobile在内的多个版本。项目开源了代码、演示和权重,支持单视频和批量视频集评估,并提供了详细的安装使用说明。DOVER在多个基准数据集上取得了领先性能,为视频质量评估领域带来了新的研究方向。

ffmpeg-quality-metrics

FFmpeg Quality Metrics是一个开源的视频质量评估工具,支持PSNR、SSIM、VMAF和VIF等多种指标计算。它可输出逐帧指标、各平面/组件指标及全局统计数据。该工具跨平台兼容,支持Python 3.8+。通过命令行即可对视频进行质量评估,并提供多种可配置选项以满足不同评估需求。

one-align

OneAlign是一个多功能AI模型，整合了图像质量评估(IQA)、图像美学评估(IAA)和视频质量评估(VQA)。该模型在多个标准数据集上表现优异，在某些指标上超越了现有技术。OneAlign不仅能评估常见类型的图像和视频，还可处理新的数据集和AI生成内容。这种全面的方法为图像和视频质量分析提供了灵活的解决方案，可应用于多个领域。