Visual attention for quality prediction at fine spatio-temporal scales : from perceptual weighting towards visual disruption modeling
Yashas Rai kurlethimar · 2017
Cette these revisite les relations entre les processus attentionnels visuels et la perception de qualite. Nous nous interessons a la perception de degradation dans des sequences d’images et leur impact sur la perception de qualite. Plutot qu’un approcha globale, nous travaillons a une echelle spatio temporelle fine, plus adaptee aux decisions des encodeurs video. Deux approches liant attention visuelle et qualite percue sont explorees. La premiere, suit une approche classique, de type ponderation des distorsions. Ceci est mis en relation avec des scenarios d’usage comme le streaming interactif ou la visualisation de contenus omnidirectionnels. Une seconde approche nous amene a introduire le concept de disruption visuelle (DV) et sa relation avec la perception de qualite. Nous proposons d’abord des techniques permettant d’etudier les saccades resultantes de la DV a partir par de donnees experimentales oculometriques. Nous proposons ensuite un modele computationnel de prediction de la DV. Une nouvelle mesure objective de qualite est ainsi introduite nommee Disruption Metric permettant l’evaluation de la qualite locale de videos. Les resultats obtenus trouvent leurs applications dans de nombreux domaines tels que l’evaluation de qualite, la compression, la transmission perpetuellement optimisee de contenus visuel ou le rendu/visualisation foeval.