1.一种基于conv2former和对比学习的视频质量评价方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的基于conv2former和对比学习的视频质量评价方法,其特征在于,所述视频质量评价模型包括特征提取部分和质量分数预测模块;所述特征提取部分包括空间特征提取模块和时序信息处理模块;
3.根据权利要求2所述的基于conv2former和对比学习的视频质量评价方法,其特征在于,所述空间特征提取模块为conv2former主干网络;
4.根据权利要求2所述的基于conv2former和对比学习的视频质量评价方法,其特征在于,所述时序信息处理模块为attention-lstm模型;
5.根据权利要求1所述的基于conv2former和对比学习的视频质量评价方法,其特征在于,所述训练好的视频质量评价模型的获取方法包括:
6.根据权利要求5所述的基于conv2former和对比学习的视频质量评价方法,其特征在于,获取用于模型预训练的视频集的方法包括:
7.根据权利要求5所述的基于conv2former和对比学习的视频质量评价方法,其特征在于,将用于模型预训练的视频集输入到视频质量评价模型中,使用对比学习的方式来对视频质量评价模型的特征提取部分进行自监督预训进行自监督预训练,包括:
8.根据权利要求1所述的基于conv2former和对比学习的视频质量评价方法,其特征在于,所述方法还包括:
9.一种基于conv2former和对比学习的视频质量评价装置,其特征在于,所述装置包括:
10.一种基于conv2former和对比学习的视频质量评价装置,其特征在于,包括处理器及存储介质;