Yapay zeka destekli video üretim teknolojilerinin hızla gelişmesiyle birlikte, bu videoların kalite değerlendirmesi giderek daha kritik hale geliyor. Araştırmacılar, mevcut değerlendirme yöntemlerinin eksikliklerini gidermek için yeni bir yaklaşım geliştirdi.
Geleneksel AI üretimi video kalite değerlendirme (AIGC-VQA) sistemleri, her videoyu bağımsız olarak analiz ederek görsel kaliteyi tahmin ediyor. Ancak bu yaklaşım, videolar arasındaki potansiyel ilişkileri göz ardı ediyor ve insan algısından uzaklaşıyor.
Yeni geliştirilen RefVQA (Referans-Farkında Video Kalite Değerlendirmesi) sistemi, bu sorunu çözmek için farklı bir strateji benimsiyor. Sistem, semantik olarak benzer videoları bir referans grafında organize ediyor ve kalite değerlendirmesini bu karşılaştırmalara dayandırıyor.
RefVQA'nın temel avantajı, insan algısına daha uygun çalışması. İnsanlar da video kalitesini değerlendirirken doğal olarak daha önce gördükleri benzer içeriklerle karşılaştırma yapıyor. Bu yeni yaklaşım, hem videonun kendi özelliklerini hem de ilgili videolarla karşılaştırmasını dikkate alarak daha doğru kalite tespiti yapabiliyor.
Bu gelişme, yapay zeka tarafından üretilen video içeriklerin otomatik kontrolü ve filtrelenmesi açısından önemli bir ilerleme sunuyor.