論文の概要: A Foreground-background Parallel Compression with Residual Encoding for
Surveillance Video
- arxiv url: http://arxiv.org/abs/2001.06590v3
- Date: Mon, 28 Sep 2020 08:49:06 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-10 05:31:34.150225
- Title: A Foreground-background Parallel Compression with Residual Encoding for
Surveillance Video
- Title(参考訳): サーベイランスビデオのための残像符号化による前景並列圧縮
- Authors: Lirong Wu, Kejie Huang, Haibin Shen and Lianli Gao
- Abstract要約: 本稿では,ビデオの前景と背景を別々に抽出・圧縮するビデオ圧縮手法を提案する。
提案手法では、HECVデータセット上で同じPSNR(36dB)を達成するために、従来のアルゴリズムであるH.265より69.5%少ないbpp (bits per pixel) を必要とする。
- 参考スコア(独自算出の注目度): 46.49202082648197
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The data storage has been one of the bottlenecks in surveillance systems. The
conventional video compression algorithms such as H.264 and H.265 do not fully
utilize the low information density characteristic of the surveillance video.
In this paper, we propose a video compression method that extracts and
compresses the foreground and background of the video separately. The
compression ratio is greatly improved by sharing background information among
multiple adjacent frames through an adaptive background updating and
interpolation module. Besides, we present two different schemes to compress the
foreground and compare their performance in the ablation study to show the
importance of temporal information for video compression. In the decoding end,
a coarse-to-fine two-stage module is applied to achieve the composition of the
foreground and background and the enhancements of frame quality. Furthermore,
an adaptive sampling method for surveillance cameras is proposed, and we have
shown its effects through software simulation. The experimental results show
that our proposed method requires 69.5% less bpp (bits per pixel) than the
conventional algorithm H.265 to achieve the same PSNR (36 dB) on the HECV
dataset.
- Abstract(参考訳): データストレージは、監視システムのボトルネックのひとつです。
h.264やh.265のような従来のビデオ圧縮アルゴリズムは、監視ビデオの低情報密度特性を十分に活用していない。
本稿では,ビデオの前景と背景を別々に抽出・圧縮するビデオ圧縮手法を提案する。
適応的な背景更新および補間モジュールを介して複数の隣接フレーム間で背景情報を共有することにより、圧縮比を大幅に改善する。
さらに,ビデオ圧縮における時間情報の重要性を示すために,前景を圧縮し,その性能を比較する2つの方法を提案する。
デコードエンドでは、前景と背景の合成とフレーム品質の向上を実現するために粗大な2段モジュールが適用される。
さらに,監視カメラの適応サンプリング手法を提案し,ソフトウェアシミュレーションによりその効果を示した。
実験の結果,HECVデータセット上で同じPSNR(36dB)を達成するためには,従来のアルゴリズムであるH.265より69.5%少ないbpp(bits per pixel)を必要とすることがわかった。
関連論文リスト
- Implicit Neural Representation for Videos Based on Residual Connection [0.0]
画像再構成に有効な残差接続として低解像度フレームを用いる手法を提案する。
実験の結果,本手法はPSNRの既存手法であるHNeRVを49本中46本で上回っていることがわかった。
論文 参考訳(メタデータ) (2024-06-15T10:10:48Z) - Extreme Video Compression with Pre-trained Diffusion Models [11.898317376595697]
本稿では,デコーダにおける拡散型生成モデルの予測力を活用した,極端な映像圧縮のための新しい手法を提案する。
ビデオ全体が順次エンコードされ、知覚品質の指標を考慮し、視覚的に快く再現される。
その結果、生成モデルを用いて映像データの時間的関係を活用できる可能性が示された。
論文 参考訳(メタデータ) (2024-02-14T04:23:05Z) - Progressive Learning with Visual Prompt Tuning for Variable-Rate Image
Compression [60.689646881479064]
本稿では,変圧器を用いた可変レート画像圧縮のためのプログレッシブラーニングパラダイムを提案する。
視覚的プロンプトチューニングにインスパイアされた私たちは,エンコーダ側とデコーダ側でそれぞれ入力画像と隠蔽特徴のプロンプトを抽出するためにLPMを使用する。
提案モデルでは, 速度歪み特性の観点から現行の可変画像法よりも優れ, スクラッチから訓練した最先端の固定画像圧縮法にアプローチする。
論文 参考訳(メタデータ) (2023-11-23T08:29:32Z) - Scene Matters: Model-based Deep Video Compression [13.329074811293292]
本稿では,シーンを映像シーケンスの基本単位とみなすモデルベースビデオ圧縮(MVC)フレームワークを提案する。
提案したMVCは,1シーンでビデオシーケンス全体の新しい強度変化を直接モデル化し,冗長性を低減せず,非冗長表現を求める。
提案手法は,最新のビデオ標準H.266に比べて最大20%の削減を実現し,既存のビデオ符号化方式よりもデコーディングの効率がよい。
論文 参考訳(メタデータ) (2023-03-08T13:15:19Z) - Exploring Long- and Short-Range Temporal Information for Learned Video
Compression [54.91301930491466]
圧縮性能を高めるために,映像コンテンツの特徴を活かし,時間的情報を探究することに注力する。
本稿では,画像群(GOP)内で画像の推測中に連続的に更新できる時間前処理を提案する。
この場合、時間的事前は、現在のGOP内のすべてのデコードされた画像の貴重な時間的情報を含む。
本稿では,マルチスケール補償を実現する階層構造を設計する。
論文 参考訳(メタデータ) (2022-08-07T15:57:18Z) - Learned Video Compression via Heterogeneous Deformable Compensation
Network [78.72508633457392]
不安定な圧縮性能の問題に対処するために,不均一変形補償戦略(HDCVC)を用いた学習ビデオ圧縮フレームワークを提案する。
より具体的には、提案アルゴリズムは隣接する2つのフレームから特徴を抽出し、コンテンツ近傍の不均一な変形(HetDeform)カーネルオフセットを推定する。
実験結果から,HDCVCは最近の最先端の学習ビデオ圧縮手法よりも優れた性能を示した。
論文 参考訳(メタデータ) (2022-07-11T02:31:31Z) - Leveraging Bitstream Metadata for Fast, Accurate, Generalized Compressed
Video Quality Enhancement [74.1052624663082]
圧縮ビデオの細部を復元する深層学習アーキテクチャを開発した。
これにより,従来の圧縮補正法と比較して復元精度が向上することを示す。
我々は、ビットストリームで容易に利用できる量子化データに対して、我々のモデルを条件付けする。
論文 参考訳(メタデータ) (2022-01-31T18:56:04Z) - Feedback Recurrent Autoencoder for Video Compression [14.072596106425072]
低レイテンシモードで動作する学習ビデオ圧縮のための新しいネットワークアーキテクチャを提案する。
提案手法は,高分解能UVGデータセット上でのMS-SSIM/レート性能を示す。
論文 参考訳(メタデータ) (2020-04-09T02:58:07Z) - Learning for Video Compression with Hierarchical Quality and Recurrent
Enhancement [164.7489982837475]
本稿では,階層型ビデオ圧縮(HLVC)手法を提案する。
我々のHLVCアプローチでは、エンコーダ側とデコーダ側の低品質フレームの圧縮と強化を容易にするため、階層的品質は符号化効率の恩恵を受ける。
論文 参考訳(メタデータ) (2020-03-04T09:31:37Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。