【论文解读】RQ-VQA：用丰富的质量感知特征增强盲视频质量评估
论文：Enhancing Blind Video Quality Assessment with Rich Quality-aware Features
作者：Wei Sun, Haoning Wu, Zicheng Zhang, Jun Jia, Zhichao Zhang, Linhan Cao, Qiubo Chen, Xiongkuo Min, Weisi Lin, Guangtao Zhai
机构：上海交通大学 / 南洋理工大学 / 小红书
成绩：CVPR NTIRE 2024 短视频UGC视频质量评估挑战赛第一名
代码：https://github.com/sunwei925/RQ-VQA.git
一、背景与动机：为什么社交媒体视频质量评估如此困难？
1.1 BVQA 问题的本质
盲视频质量评估（Blind Video Quality Assessment, BVQA）的核心目标是：在没有原始参考视频的情况下，自动预测视频的感知质量分数。这一能力对流媒体平台的质量监控和用户体验保障至关重要——平台每天需要处理数以百万计的UGC视频上传，靠人工标注显然不现实。
BVQA 的难点在于"盲"：模型必须仅凭视频本身的内容和失真特征来推断质量，这模拟了人类观看视频时无参照地形成质量感知的过程。