自用AIPQ
2026-02-13 17:40:35 0 举报AI智能生成
ZIYONG
作者其他创作
大纲/内容
核心（高优先级）<br>
超分 SR（Super Resolution）
V4L2→RGA→RKNN/NPU→GPU→DRM
从模块视角设计用例（仅对模块自身）<br>
接口/协同（跨模块）专项用例
端到端画质与性能指标
自动化与可追踪性
最小可执行测试集
从模块覆盖到接口/协同
覆盖长稳 & 兼容 & 体验
测试要点
输入多样性
MSU的测试集
比较大，约155G
GT.mp4：原始参考视频<br>
SLOW 预设：带有编码预设之一的压缩视频文件夹<br>
x265_43.mp4：文件名中带有编解码器和比特率（或 crf）的编码视频<br>
Subjective_scores.csv --主观分数记录<br>
Metric_scores.csv — CVQAD 上的视频质量指标基准分数和结果
自建测试集
真实拍摄视频（室内/室外、静态/动态、人物/建筑/文字覆盖）
合成/虚拟内容（电子游戏、动画、电影片段、广告）<br>
不同设备/摄像机来源 → 保证输入场景和编码特性的差异化<br>
特殊场景：字幕、HDR、强弱光<br>
将4K编码压缩至1080p（压缩算法？）<br>
高码率4K压缩到低分辨率
高码率1080p
将更低分辨率的视频SR到RK算法支持的分辨率
覆盖特征维度
比特率<br>
分辨率
色彩度
FPS
空间复杂度（SI）<br>
时间复杂度（TI）<br>
客观指标
PSNR（峰值信噪比）
SSIM（结构相似性）
VMAF（网飞指标）<br>
LPIPS（深度特征的感知距离）<br>
FSIM / MS-SSIM / DISTS（MSU 推荐的补充指标）
主观指标
MOS
稳定性
运动补偿 MEMC（Motion Estimation & Motion Compensation）
V4L2 → RGA → NPU → GPU → DRM
同SR
测试要点
输入场景
平移/缩放/旋转/遮挡/快速运动
常见视频插帧/光流数据集<br>
Vimeo90K
http://toflow.csail.mit.edu/
septuplets” 子集（7 连帧），用于训练/验证中间帧插值
UCF101
官方站点：https://www.crcv.ucf.edu/data/UCF101.php
Adobe240fps
YouTube240fps
主观观感
客观指标
PSNR、SSIM、VMAF
时序特化：tOF、Warp Error、TI<br>
tOF：光流前后向一致性，检测插帧运动方向错误、跳帧，判断插帧是否出现 时序跳变（例如鬼影、运动错位）。<br>
Warp Error：通过光流场把一帧 Warp（变形/映射） 到另一帧，比较变形结果与真实帧的差异，典型用于衡量插帧生成是否合理。<br>
TI：帧间强度变化，视频内容复杂度评估、场景分类<br>
测试方法
高帧率 GT 视频（如 240fps）抽帧降为 30fps，再用 MEMC 插帧回 240fps
与原始 240fps GT 比较 → PSNR/SSIM/VMAF/LPIPS + 时序一致性指标
行业案例
RIFE (Real-Time Intermediate Flow Estimation)
开源地址：<br><br>GitHub - hzwer/arXiv2020-RIFE
3D LUT 场景级调色
V4L2 → RGA → GPU → DRM
测试要点
客观色准（静态/弱运动场景）
ΔE2000：以 ColorChecker/灰阶/肤色卡做测点
Histogram/HSI 分布：比较 LUT 前后是否引入断层或剪切。
Clipping/Out-of-gamut 检查：高饱和/高光、肤色区是否溢出或偏色。
Ramp Banding：灰阶/彩色渐变条可视化 + Banding 计数。
时序稳定（视频/场景切换）
Temporal Flicker：在固定场景缓慢曝光变化下，LUT 切换/混合是否闪烁。
切换平滑：LUT 更新采用插值过渡（如 200–500ms），用亮度曲线与帧间差评估。
画面完整性
锐度与细节保持：3D LUT 不应引入额外锐化伪影
噪声放大：在暗部 LUT 提升下注意噪声被“抬出”。
性能
延迟：LUT 引入的渲染开销（GPU shader 或硬件单元），测端到端帧延迟。
帧率稳定：4K60/4K120 的稳定性统计
AI NR（去噪） / AI AWB（自动白平衡）
Camera(V4L2) → RGA → NPU → GPU/ISP → DRM
测试要点
AI NR
暗光静态
低照度灰卡视频 / 图像<br>启用 AI NR，采集 HDMI 输出<br>SNR 提升 ≥ 3 dB；ΔE ≤ 3；细节保留
暗光人像
人脸视频（ISO 提高模拟噪声）<br>AI NR 开启 vs 关闭，逐帧比对<br>NIQE/BRISQUE；MOS ≥ 4
运动场景
高速运动视频（弱光下拍摄）<br>启用 AI NR，观察运动物体边缘<br>SSIM ≥ 0.9；无拖影
长时稳定
连续播放 1h 夜景视频，持续运行AI NR<br>稳定帧率 ≥ 60fps；功耗无明显突升<br>性能稳定，画质无明显波动
数据集
AI NR
SIDD
真实手机拍摄的噪声 / GT 图对，包括 Raw 和 sRGB 格式
SIDD+<br>
NTIRE 2020 全新测试集扩展版
MSSIDD
多传感器去噪数据集
AI AWB
NUS-8 Camera Dataset
中高优先级
AI 场景识别（人脸、HDR 场景 …）
V4L2 → RGA → NPU → GPU → DRM
测试要点
准确性
覆盖性
响应速度
鲁棒性
AI Camera
Camera(V4L2) → RGA → NPU → GPU → DRM
测试要点
AWB/AE/AF 准确性
AI 功能
鲁棒性
性能
中优先级
AI 字幕 ASR（自动语音识别+字幕）
ALSA → NPU → CPU → GPU/OSD → DRM
测试要点
准确性
延迟
场景适配
稳定性
拍图运算（翻译、作业批改 …）
V4L2/File → RGA → NPU → CPU → GPU → DRM
测试要点
OCR 准确率
任务准确率
延迟
异常场景
以图搜图
V4L2 → RGA → NPU → CPU → GPU → DRM
测试要点
准确性
覆盖性
性能
0 条评论
下一页
