Video quality assessment using machine learning in network scenarios

• Grant number: 19/10551-0
• Support Opportunities: Scholarships in Brazil - Technical Training Program - Technical Training
• Start date: June 01, 2019
• End date: December 31, 2020
• Field of knowledge: Engineering - Electrical Engineering
• Principal Investigator: Miguel Arjona Ramírez
• Grantee: Dante Coaquira Begazo
• Host Institution: Escola Politécnica (EP). Universidade de São Paulo (USP). São Paulo , SP, Brazil
• Associated research grant: 18/26455-8 - Audio-Visual Speech Processing by Machine Learning, AP.R

Abstract

Existem diferentes metodologias para avaliar a qualidade de vídeo, as quais se podem dividir, de forma geral, em métricas subjetivas e objetivas. Estes últimos podem ser divididos em métricas baseadas no sinal de vídeo codificado, na distribuição do vídeo em redes de pacotes, e híbridos, sendo que as métricas que utilizam o sinal de vídeo se classificam em três conjuntos: as métricas de Referência Completa (FR – Full Reference); as métricas de Referência Reduzida (RR - Reduced Reference) e as métricas Sem Referência (NR - No Reference). O presente plano de pesquisa focará nas métricas objetivas FR e NR. Para ambas métricas se aplicará técnicas de aprendizado de máquina para analisar o sinal de vídeo e suas principais características, também como para a fusão dos parâmetros de codificação e de rede. Deve-se destacar que as métricas atuais de avaliação de qualidade de vídeo para sistemas em tempo real não tem um bom desempenho. Propõe-se implementar diferentes cenários de rede em simuladores, para poder obter arquivos que considerem diferentes tipos de degradações características dessas redes.