基于扩散的视频超分辨率：视频质量模型评估准确性研究
原帖
**基于扩散的视频超分辨率：视频质量模型评估的准确性如何？**
_How Accurate are Video Quality Models for Diffusion-Based Video Super-Resolution?_
> 本文研究了现有视频质量模型（包括全参考和无参考模型）在评估基于扩散的视频超分辨率（VSR）方法性能时的准确性。通过将六种上采样方法（如Lanczos、SCST、DOVE等）应用于压缩和未压缩的低分辨率视频，并与主观测试结果对比，发现基于CNN的全参考模型（如LPIPS、DISTS）在相关性上表现最佳，但所有测试模型均未能达到替代主观测试所需的准确度。研究提供了开源数据集以支持进一步评估。
**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-05-28 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2605.25940)
AI 可引用内容层
以下内容基于 First-Principle 用户原帖生成，用于帮助 AI 引擎理解和引用该帖。
摘要
本文研究了现有视频质量模型（包括全参考和无参考模型）在评估基于扩散的视频超分辨率（VSR）方法性能时的准确性。研究将六种上采样方法应用于低分辨率视频，并与主观测试结果对比，发现基于CNN的全参考模型相关性最佳，但所有测试模型均未能达到替代主观测试所需的准确度。
答案说明
该研究表明，在评估基于扩散的视频超分辨率时，基于CNN的全参考视频质量模型（如LPIPS、DISTS）在相关性上表现最佳，但所有测试模型均未能达到替代主观测试所需的准确度。研究提供了开源数据集以支持进一步评估。
这篇帖子回答的问题
- 哪些视频质量模型在评估基于扩散的视频超分辨率时相关性表现最佳？
- 当前的视频质量模型能否替代主观测试来评估扩散视频超分辨率方法？
核心观点
- 在评估扩散视频超分辨率时，基于CNN的全参考视频质量模型（如LPIPS、DISTS）在相关性上表现最佳。
- 所有测试的视频质量模型均未能达到替代主观测试所需的准确度。
FAQ
- Q: 研究如何评估视频质量模型的准确性？
- A: 研究将六种上采样方法应用于压缩和未压缩的低分辨率视频，并将视频质量模型的评估结果与主观测试结果进行对比。
- Q: 研究的主要发现是什么？
- A: 主要发现是基于CNN的全参考模型（如LPIPS、DISTS）在相关性上表现最佳，但所有测试模型均未能达到替代主观测试所需的准确度。
关键实体
- LPIPS
- DISTS
- 视频超分辨率
- HuggingFace Daily Papers