论文：Learning Perceptual Representations for Gaming NR-VQA with Multi-Task FR Signals（arXiv:2602.11903v2，2026-02）
作者：Yu-Chih Chen, Michael Wang, Chieh-Dun Wen, Kai-Siang Ma（阳明交通大学）、Avinab Saha, Li-Heng Chen, Alan Bovik（UT Austin / Netflix）
一、介绍：云游戏画质监控的死结
云游戏的链路是这样的：服务器渲染 → 编码 → 网络传输 → 客户端解码 → 上屏。整条链路上任何一个环节抖动，玩家看到的画面就会糊、会卡、会花。要保证 QoE，就必须在客户端实时监控画质。
但客户端只有一路解码后的视频流，没有原始参考。这就是无参考质量评估（NR-VQA）的经典困境：没有参考信号，预测器只能从"内容统计量与失真统计量纠缠在一起"的观测里硬猜质量，可辨识性（identifiability）天然受限。论文里说得很直白——在同等数据和算力预算下，NR 方法普遍打不过强 FR 基线。
更麻烦的是游戏内容本身的特殊性。自然视频的统计先验在这里大面积失效：
- 快速运动：镜头切换、角色高速位移、粒子特效，帧间差异极大；
- 风格化渲染：卡通着色、低多边形、卡通描边，纹理统计与自然图像完全不同；</
转载自 CSDN-专业IT技术社区
原文链接：https://blog.csdn.net/yanceyxin/article/details/169259329
