sureal 0.4.1

通过pip

要通过pip安装sureal，请运行：

pip install sureal

本地安装

要在本地安装，首先下载源代码。在根目录下（在virtualenv中完全正确），安装需求：

pip install -r requirements.txt

在ubuntu下，您可能还需要通过apt安装python-tk（python 2）或python3-tk（python 3）包。

要在安装前测试源代码，请运行：

python -m unittest discover -s test -p '*_test.py'

到目前为止，这段代码已经在ubuntu 16.04lts和macos 10.13上测试过了。

最后，安装Sureal by:

pip install .

如果要编辑源代码，请改用pip install --editable .或pip install -e .。使用--editable可以立即获取在源中所做的更改，而无需重新运行pip install .

数据集文件

dataset_filepath是数据集文件的路径。 数据集文件可以是.py或.json文件。 下面的示例使用.py文件，但是json格式的文件可以用类似的方式构造。

有两种方法可以构造数据集文件。 第一种方法只有当主观测试是完全抽样时才有用， 也就是说，每一个受试者观看每一段扭曲的视频。例如：

ref_videos = [
    {
      'content_id': 0, 'content_name': 'checkerboard',
      'path': 'checkerboard_1920_1080_10_3_0_0.yuv'
    },
    {
      'content_id': 1, 'content_name': 'flat',
      'path': 'flat_1920_1080_0.yuv'
    },
]
dis_videos = [
    {
      'content_id': 0, 'asset_id': 0,
      'os': [100, 100, 100, 100, 100],
      'path': 'checkerboard_1920_1080_10_3_0_0.yuv'
    },
    {
      'content_id': 0, 'asset_id': 1,
      'os': [40, 45, 50, 55, 60],
      'path': 'checkerboard_1920_1080_10_3_1_0.yuv'
    },
    {
      'content_id': 1, 'asset_id': 2,
      'os': [90, 90, 90, 90, 90],
      'path': 'flat_1920_1080_0.yuv'
    },
    {
      'content_id': 1, 'asset_id': 3,
      'os': [70, 75, 80, 85, 90],
      'path': 'flat_1920_1080_10.yuv'
    },
]
ref_score = 100

在本例中，ref_videos是参考视频列表。 每个条目都是一个字典，并且必须有键content_id、content_name和path（参考视频文件的路径）。 dis_videos是扭曲视频的列表。 每个条目都是一个字典，并且必须具有键content_id（与扭曲视频的相应参考视频相同的内容ID）， asset_id，os（代表“意见评分”）和path（扭曲视频文件的路径）。 os的值是一个分数列表，由一个主题投票，并且对于所有扭曲的视频必须具有相同的长度 （因为是全采样）。 ref_score是分配给参考视频的分数，在计算差异分数时是必需的， 例如，在DMO中。

第二种方法更通用，当测试是完全采样或部分采样时可以使用 （也就是说，并不是每一个受试者都观看每一段扭曲的视频）。 与第一种方法的唯一区别是，os的值现在是字典，键是主题id， 价值是他/她对特定扭曲视频的投票得分。例如：

'os': {'Alice': 40, 'Bob': 45, 'Charlie': 50, 'David': 55, 'Elvis': 60}

由于允许部分采样，因此不要求每个osdictionary中都存在每个subject id。