의료 환경에서 지능형 비디오 분석의 활용이 증가하고 있음에도 불구하고, 알고리즘 성능에 대한 영상 품질의 영향은 충분히 탐구되지 않았다. 특히 병원 감시 영상은 종종 백색 벽, 침대, 환자 의복과 같은 매우 균일한 배경을 보이며, 이는 시각이 저하된 조건에서 사람 검출, 자세 추정, 낙상 감지, 자해(자기해) 모니터링을 복잡하게 만든다. 이를 해결하기 위해, 본 연구는 새로운 병원 영상 품질 평가 데이터베이스(HIQA-DB)를 제시한다. HIQA-DB에는 실제 병원 폐쇄회로 텔레비전(Closed Circuit Television, CCTV) 감시 영상에서 촬영한 150장의 원본 이미지를 포함한다. 각 기준 이미지는 네 가지 유형의 합성 왜곡 버전을 가지며, 그 결과 총 750장의 이미지로 구성된다. 인간 평가자로부터 수집한 주관적 품질 평가는 압축 인공물이 인지된 품질을 가장 크게 저하시킨다는 것을 보여주며, 이는 하위 분석(다운스트림) 애널리틱스 모델에서의 성능 저하와 강하게 상관된다. HIQA-DB는 임상 환경에서 지능형 비디오 분석에 대한 영상 품질의 영향을 이해하고 완화하는 데 유용한 벤치마크를 제공하며, 추가 연구를 지원하기 위해 곧 공개될 예정이다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.