[论文翻译]从美学与技术角度探索用户生成内容(UGC)的视频质量评估

用户生成内容(UGC)视频的快速增长催生了对高效视频质量评估(VQA)算法的需求。然而UGC-VQA问题的目标仍存在歧义，可从两个视角解读：技术视角(测量失真感知)和美学视角(关联内容偏好与推荐)。为探究这两个视角如何影响UGC-VQA中的主观评价，我们开展了大规模主观实验，收集人类对视频整体质量及美学/技术维度的感知数据。所构建的解耦视频质量数据库(DIVIDE-3k)证实：人类对UGC视频的质量评判普遍且必然同时受美学与技术视角影响。基于此，我们提出解耦目标视频质量评估器(DOVER)，从双视角学习UGC视频质量。