Разработка метода обработки видео, повышающего оценку метрики качества VMAF на основе её дистилляции

В данной работе рассматривается задача создания метода предобработки видео, повышающего оценку его качества методом Video Multimethod Assessment Fusion (VMAF). В работе описан нейросетевой метод для автоматической предобработки входного видео, работающий в режиме реального времени. Предобработка осуществляется глубокой нейронной сетью с архитектурой на базе U-Net. В ходе обучения сети используется обучаемая аппроксимация VMAF. В работе описаны способы улучшения качества работы итогового метода, а именно использование SSIM в функции потерь и фильтрация обучающей выборки. Итоговая версия метода повышает VMAF исходного видео в среднем на 18% после предобработки. Разработанный метод позволяет оценить надежность метода оценки качества видео VMAF и демонстрирует уязвимости метода, которые могут использоваться разработчиками алгоритмов обработки видео для повышения рейтингов их методов в ходе автоматического сравнения результатов работы по оценке качества VMAF.