The question of the training setting of C3DVQA about dvqa HOT 10 OPEN

你好，可以给一下你下载的数据集吗，我在官网没找到数据集，我可以跑一下试试然后咱们对比一下

from dvqa.

您好，现在您有数据集了吗，我的live数据集中bs视频都不能用，您有csiq数据集吗，可以发我一份吗？或者有csiq数据集的下载地址吗？？

from dvqa.

你好，可以给一下你下载的数据集吗，我在官网没找到数据集，我可以跑一下试试然后咱们对比一下

数据集的话，建议通过它的官网下载，需要按照官网说明通过邮箱联系作者。LIVE-VQA

from dvqa.

你好，可以给一下你下载的数据集吗，我在官网没找到数据集，我可以跑一下试试然后咱们对比一下

数据集的话，建议通过它的官网下载，需要按照官网说明通过邮箱联系作者。LIVE-VQA

您有csiq的数据集地址吗？

from dvqa.

你好，可以给一下你下载的数据集吗，我在官网没找到数据集，我可以跑一下试试然后咱们对比一下

数据集的话，建议通过它的官网下载，需要按照官网说明通过邮箱联系作者。LIVE-VQA

您有csiq的数据集地址吗？

• CSIQ数据集下载地址：CSIQ

from dvqa.

你好， 在复现论文的过程中，发现性能结果与论文相差较大（训练、测试集划分以及具体的学习率等均采用原始代码所给参数）。想咨询一下，具体的论文中复现性能所采用的细节。 1.首先是视频帧的选取，原始代码中所采用的是跳帧操作。但我注意到论文中的描述是 Training segments are randomly cropped from videos for data augmentation.We select a random temporal position and sample a clip with 60 frames.如果我的理解没有错误的话，这里的意思是每个视频随机选取一个60帧的连续片段。 所以，我想问一下，这个结果是按照开源代码的操作还是论文的操作实现的？亦或是我的这部分理解有问题？ 2.另外，以上两种方法我都尝试过，但似乎性能仍有较大差距。在论文中提到的重复实验部分，具体是怎么重复的，如果是对于数据集重新划分后实验，能否提供10次对应的划分json文件.

您好，我在LIVE数据集上按照原始代码参数进行复现，结果也是和论文中展示的相差较大，不知道您是否有什么新的进展

from dvqa.

你好， 在复现论文的过程中，发现性能结果与论文相差较大（训练、测试集划分以及具体的学习率等均采用原始代码所给参数）。想咨询一下，具体的论文中复现性能所采用的细节。 1.首先是视频帧的选取，原始代码中所采用的是跳帧操作。但我注意到论文中的描述是 Training segments are randomly cropped from videos for data augmentation.We select a random temporal position and sample a clip with 60 frames.如果我的理解没有错误的话，这里的意思是每个视频随机选取一个60帧的连续片段。 所以，我想问一下，这个结果是按照开源代码的操作还是论文的操作实现的？亦或是我的这部分理解有问题？ 2.另外，以上两种方法我都尝试过，但似乎性能仍有较大差距。在论文中提到的重复实验部分，具体是怎么重复的，如果是对于数据集重新划分后实验，能否提供10次对应的划分json文件.

您好，我在LIVE数据集上按照原始代码参数进行复现，结果也是和论文中展示的相差较大，不知道您是否有什么新的进展

from dvqa.

你好， 在复现论文的过程中，发现性能结果与论文相差较大（训练、测试集划分以及具体的学习率等均采用原始代码所给参数）。想咨询一下，具体的论文中复现性能所采用的细节。 1.首先是视频帧的选取，原始代码中所采用的是跳帧操作。但我注意到论文中的描述是 Training segments are randomly cropped from videos for data augmentation.We select a random temporal position and sample a clip with 60 frames.如果我的理解没有错误的话，这里的意思是每个视频随机选取一个60帧的连续片段。 所以，我想问一下，这个结果是按照开源代码的操作还是论文的操作实现的？亦或是我的这部分理解有问题？ 2.另外，以上两种方法我都尝试过，但似乎性能仍有较大差距。在论文中提到的重复实验部分，具体是怎么重复的，如果是对于数据集重新划分后实验，能否提供10次对应的划分json文件.

您好，我在LIVE数据集上按照原始代码参数进行复现，结果也是和论文中展示的相差较大，不知道您是否有什么新的进展
建议采用跳帧操作，同时注意训练与验证集划分，进行重复试验。划分中注意根据原始视频来进行划分，以保证不同划分下 每种失真类型都有。这样重复试验，同时早停确定最好的训练次数。取得结果与论文比较一致。

from dvqa.

你好， 在复现论文的过程中，发现性能结果与论文相差较大（训练、测试集划分以及具体的学习率等均采用原始代码所给参数）。想咨询一下，具体的论文中复现性能所采用的细节。 1.首先是视频帧的选取，原始代码中所采用的是跳帧操作。但我注意到论文中的描述是 Training segments are randomly cropped from videos for data augmentation.We select a random temporal position and sample a clip with 60 frames.如果我的理解没有错误的话，这里的意思是每个视频随机选取一个60帧的连续片段。 所以，我想问一下，这个结果是按照开源代码的操作还是论文的操作实现的？亦或是我的这部分理解有问题？ 2.另外，以上两种方法我都尝试过，但似乎性能仍有较大差距。在论文中提到的重复实验部分，具体是怎么重复的，如果是对于数据集重新划分后实验，能否提供10次对应的划分json文件.

您好，请问这篇论文是什么，我没有找到，第一次接触，想问一下，非常感谢

from dvqa.

你好， 在复现论文的过程中，发现性能结果与论文相差较大（训练、测试集划分以及具体的学习率等均采用原始代码所给参数）。想咨询一下，具体的论文中复现性能所采用的细节。 1.首先是视频帧的选取，原始代码中所采用的是跳帧操作。但我注意到论文中的描述是 Training segments are randomly cropped from videos for data augmentation.We select a random temporal position and sample a clip with 60 frames.如果我的理解没有错误的话，这里的意思是每个视频随机选取一个60帧的连续片段。 所以，我想问一下，这个结果是按照开源代码的操作还是论文的操作实现的？亦或是我的这部分理解有问题？ 2.另外，以上两种方法我都尝试过，但似乎性能仍有较大差距。在论文中提到的重复实验部分，具体是怎么重复的，如果是对于数据集重新划分后实验，能否提供10次对应的划分json文件.

您好，请问这篇论文是什么，我没有找到，第一次接触，想问一下，非常感谢

https://arxiv.org/abs/1910.13646v2 这是arxiv版本，正式发表版可自行搜索哈

from dvqa.