跳到正文
arXiv · 机器人与计算机视觉· Robbie Hamilton, Fan Zhang, David Bull·· 6 天前AI 评分51

HiVE-VQA:基于体素嵌入的层级交互用于视频质量评估

HiVE-VQA: Hierarchical Interaction via Volumetric Embedding for Video Quality Assessment

AI 导读

针对用户生成内容带来的无参考视频质量评估挑战,该研究提出 HiVE-VQA 框架,首次将 JEPA 架构的视频编码器应用于此任务。该方法从预训练的 V-JEPA 2.1 编码器中提取多深度 token 网格并堆叠为层级时空体积,利用紧凑的 3D 卷积头融合各层特征与语义上下文,且保持编码器冻结仅训练头部。

来源:arXiv · 机器人与计算机视觉 · arxiv.org