SSIM Modelin Geliştirilmesine Dayanan Bir 3B Video Kalite Değerlendirme Metriği

Öz

Günümüzdeki en revaçta araştırma alanlarından birisi kullanıcılara gelişmiş çoklu-ortam servisleri sağlayabilmek adına 3 Boyutlu (3B) video Kalite Deneyimini (KD) etkin olarak tahmin eden objektif metriklerin geliştirilmesidir. Fakat, literatürde standartlaşmış ve yaygın kullanılan bir metrik henüz bulunmamaktadır. Bu yüzden, Structural SIMilarity Index (SSIM) gibi 2 Boyutlu (2B) video kalite ölçümünde sıklıkla kullanılan metrikler 3B video kalite ölçümünde de kullanılmaktadır. Ancak bu metrikler İnsan Görme Sitemini (İGS) etkileyen 3B video bağlantılı özellikleri içermedikleri için güvenilir 3B video kalite ölçümü sağlamaktan oldukça uzaktırlar. Bunları göz önüne alarak, bu çalışmada, SSIM, zıtlık, hareket ve yapısal bilgi karakteristikleri gibi İGS’yi etkileyen 3B video özellikleri ile geliştirilmiştir. Geliştirilen SSIM metriği kullanılarak elde edilen sonuçlar, bu metriğin gelişmiş çoklu-ortam servisleri sağlayabilmek açısından etkinliğini kanıtlamaktadır.

Anahtar Kelimeler

• 3B video
• SSIM
• video kalite değerlendirmesi

Kaynakça

1. D.V.S.X. De Silva, G. Nur, E. Ekmekcioglu, and A. Kondoz, “QoE of 3D Media Delivery Systems,” Media Networks: Architectures, Applications, and Standards, CRC Press Taylor and Francis Group, 14 May 2012.
2. C. T. E. R. Hewage, M. G. Martini, "Quality of experience for 3D video streaming," in IEEE Communications Magazine, vol. 51, no. 5, pp. 101-107, doi: 10.1109/MCOM.2013.6515053, 2013.
3. Z. Wang, L. Lu, and A. C. Bovik, “Video Quality Assessment based on Structural Distortion Measurement,” Proc. of Signal Processing: Image Com., vol. 19, no. 2, pp. 121-132, Feb. 2004.
4. Gharbi M, Chen J, Barron J. T, Hasinoff S. W, Durand F. 2017. “Deep Bilateral Learning for Real-time Image Enhancement,” in ACM SIGGRAPH.
5. JSVM 9.13.1. CVS Server [Online]. Available Telnet: garcon.ient.rwth aachen.de:/cvs/jvt
6. G. Nur, G. Bozdagi Akar, and H. Gokmen, “A Reduced Reference 3D Video Quality Assessment Based on Cartoon Effect,” NEM Summit Conference, Istanbul, Turkey, 16-18 June 2012.
7. G. Nur and G. Bozdagi Akar, “An Abstraction Based Reduced Reference Depth Perception Metric for 3D Video,” IEEE International Conference on Image Processing (ICIP), Orlando, Florida, USA, 30 September-3 October 2012.
8. V. Jones, “Mean Direction and Mean Absolute Deviation,” ASTM Standards and Engineering Digital Library, Jan. 2009.

9. G. Nur Yilmaz, “A Bit Rate Adaptation Model for 3D Video,” Springer Multidimensional Systems and Signal Processing, vol. 27, pp. 201-215, 2016.
10. A. Ranjan, M. J. Black, “Optical Flow Estimation using a Spatial Pyramid Network”, CVPR, pp. 4161–4170, 2017.
11. J. Shi and C. Tomasi, “Good Features to Track,” IEEE Conf. on Com. Vis. and Pat. Recog., Seattle, USA, Jun. 1994.
12. G. Nur, H. Kodikara Arachchi, S. Dogan, and A. M. Kondoz, “Advanced Adaptation Techniques for Improved Video Perception,” IEEE Transactions on Circuit and Systems for Video Technology, vol. 22, issue 2, pp. 225-240, February 2012.
13. S. Liu, X. Peng and Z. Liu, "Image Quality Assessment through Contour Detection," 2019 IEEE 28th International Symposium on Industrial Electronics (ISIE), 2019, pp. 1413-1417, doi: 10.1109/ISIE.2019.8781416.
14. Advanced Video Coding for Generic Audiovisual Services,ITU-T Rec. H.264 (03/2005) Std., MPEG-4 AVC/H.264 Video Group, 2005.
15. Perkis et.al., “QUALINET White Paper on Definitions of Immersive Media Experience (IMEx),” arXiv:2007.07032, 2020.