Dissertação

{en_GB=Perceptual Quality and Bit Rate Models for Omnidirectional Video} {} EVALUATED

{pt=Os avanços tecnológicos que têm sido feitos em torno da realidade virtual, têm permitido a um número cada vez maior de utilizadores o acesso a experiências de total imersão em ambiente virtual, registando-se uma crescente procura e oferta de vídeos omnidirecionais, e de melhoramentos dos dispositivos para a sua visualização. A sensação de imersão em vídeos omnidireccionais concede aos utilizadores uma experiência completamente diferente da oferecida por vídeos 2D, sendo importante validar as métricas objetivas de qualidade convencionais, quando aplicadas a este novo tipo de conteúdos. Nesta dissertação realizou-se um vasto conjunto de testes subjetivos, com o intuito de avaliar o impacto da variação da resolução espacial/temporal e da compressão, na qualidade perceptual de conteúdos omnidirecionais. Com base nos resultados subjectivos, é analisado o desempenho de métricas objetivas de avaliação de qualidade convencionais, e de algumas das suas adaptações a vídeos omnidirecionais, propostas na literatura e nesta dissertação. São também desenvolvidas e avaliadas duas métricas que efectuam a previsão da qualidade e do débito binário do vídeo omnidirecional com base em modelos paramétricos, dependentes das características intrínsecas do vídeo original. Estes modelos não requerem a criação prévia do vídeo comprimido e/ou sub-amostrado, para a previsão da qualidade; como tal, constituem uma solução mais eficiente para cenários de streaming de vídeo, permitindo uma rápida selecção das melhores representações dos vídeos a colocar no servidor. Em todos os casos, observaram-se correlações elevadas entre os valores de qualidade e de débito previstos pelos modelos objetivos e os respectivos valores de referência., en=Nowadays, the technological advances in virtual reality applications and devices are allowing, to more and more users, the experience of total immersion in virtual environments, and a growing demand and offer of omnidirectional audio-visual media. The immersion sensation provided by omnidirectional videos gives users a completely different experience from 2D videos, thus being important to evaluate if conventional objective quality assessment metrics can still be applied to this new type of content. In this dissertation, a set of subjective tests was carried out to evaluate the impact of spatial/temporal subsampling and compression, on the perceived quality of omnidirectional videos. Based on the subjective results, the performance of conventional objective quality metrics, and some of its adaptations to omnidirectional videos, proposed in the literature and in this dissertation, is analyzed. Two new parametric models for the quality and the bit rate prediction of omnidirectional videos were also developed and evaluated. Both models are dependent on the intrinsic characteristics of the video, and do not require the prior creation of the compressed and/or sub-sampled video for the quality and bit rate prediction; as such, they provide a more efficient solution for video streaming scenarios, allowing a fast selection of the best video representations to be stored on the server. In all cases, high correlations were observed between the predicted quality and bit rate values and the respective ground-truth values.}
{pt=Vídeo Omnidirecional, Qualidade de Experiência, Avaliação Subjectiva de Qualidade, Avaliação Objectiva de Qualidade, Modelos de Previsão do Débito Binário, en=Omnidirectional Video, Quality of Experience, Subjective Video Quality Assessment, Objective Video Quality Assessment, Bit Rate Prediction Models}

Junho 28, 2018, 16:0

Orientação

ORIENTADOR

António José Castelo Branco Rodrigues

Departamento de Engenharia Electrotécnica e de Computadores (DEEC)

Professor Auxiliar

ORIENTADOR

João Miguel Duarte Ascenso

Departamento de Engenharia Electrotécnica e de Computadores (DEEC)

Professor Auxiliar

ORIENTADOR

Maria Paula Dos Santos Queluz Rodrigues

Departamento de Engenharia Electrotécnica e de Computadores (DEEC)

Professor Auxiliar