的体积我们每天处理多媒体数据是呈指数型增长由于无处不在的可用性和廉价的传感器、共享平台和新的社会趋势。人工智能技术已被证明有助于解释这些数据。在过去的几十年里,许多质量模型提出了模拟人类感知的多媒体数据的过程。这种感知质量模型可以为各种丰富的多媒体应用提供好处。例如,一个有效的照片美学预测模块可以帮助摄影师作物一个美观的次区域的原始框架的照片。此外,一个成功的照片管理系统可以根据人类感知的视频质量等级视频(即。、帧美学、稳定性和一致性),从而用户可以方便地选择他们最喜欢的照片到相册。最后,开发了不同的标准来选择视觉或声学特性对各种多媒体应用,例如,多通道事件检测、实时语音识别,和跨媒体检索。

广泛的研究工作一直致力于设计感知质量模型,但有效的工具来操作质量预测还处于幼年期。据我们所知,关键技术挑战包括:语义内容的最后作用可能比低级特征在决定重要媒体质量;困难最优利用cross-feature信息媒体质量分析;和生物的不稳定/ psychologically-inspired特性反映了人类的感知,以及缺乏一个基准平台评估这些特性的性能。

这个特殊的问题将集中在最近的技术进步对计算模型的图像,视频和音频质量预测,如图片/视频美学质量排名和照片裁剪/重新定位目标。我们也致力于发现新类型的视觉/听觉线索在计算质量模型。这个特殊问题的主要目的是促进在这个有趣的领域的最新研究进展。我们恳求原始研究和评论文章地址计算模型面临的挑战视觉/听觉质量的预测。这个特殊的问题目标行业和学术界的研究者和实践者。

潜在的主题包括但不限于以下:

• 新媒体质量评价的计算模型,如视频和音乐
• 审美模型对各种媒体增强技术
• 视频和图片总结基于计算质量模型
• 不同的语义模型的多媒体质量预测
• 发现低收入/高级视觉功能的多媒体质量预测
• 视觉美学预测多通道应用程序
• 新功能融合/选择多媒体的技术分析
• 多通道质量事件和异常检测模型
• 视觉质量预测照片和视频管理系统
• 人类互动学习多媒体质量预测
• 视频/音频质量预测通过模仿人类的知觉
• 计算模型对大规模多媒体检索质量
• 基准数据集,验证视觉质量的经验
• 发现先进的多媒体质量评价描述符