UGC直播视频在捕获过程中会受到各种失真影响，导致视觉质量多样化。这些视频在分发给终端用户之前，还会经过媒体服务器的压缩和转码处理。随着UGC直播视频的普及，迫切需要有效的视频质量评估工具来监控和优化直播视频的分发过程。为了应对这一需求，研究人员构建了一个主观UGC直播视频质量评估数据库，并开发了一种评估工具来解决UGC直播视频质量评估问题。

为了进行研究，团队收集了418个真实直播场景中的源UGC视频，并生成了3762个不同比特率的压缩视频，这些视频用于后续的主观VQA实验。基于这些数据，研究人员开发了一个多维视频质量评估工具（MD-VQA）。该工具从语义、失真和运动三个维度对UGC直播视频的视觉质量进行评估。

实验结果表明，MD-VQA在构建的UGC直播视频质量评估数据库上以及现有的压缩UGC视频质量评估数据库上均达到了最先进的性能。