Fugu-MT 論文翻訳(概要): SSIM-Based CTU-Level Joint Optimal Bit Allocation and Rate Distortion Optimization

論文の概要: SSIM-Based CTU-Level Joint Optimal Bit Allocation and Rate Distortion Optimization

arxiv url: http://arxiv.org/abs/2004.13369v2
Date: Sat, 3 Apr 2021 05:46:29 GMT
ステータス: 処理完了
システム内更新日: 2022-12-08 23:37:28.197030
Title: SSIM-Based CTU-Level Joint Optimal Bit Allocation and Rate Distortion Optimization
Title（参考訳）: ssimに基づくctuレベルジョイント最適ビット割り当てとレート歪み最適化
Authors: Yang Li and Xuanqin Mou
Abstract要約: 構造的類似性(SSIM)は、従来の平均二乗誤差である$D_textMSE$よりも人間の知覚に一貫性がある。最適ビット割り当て(OBA)とレート歪み最適化(RDO)の両方で均一に使用できる$D_textSSIM$$モデルを提案する。正確で統一されたR-$D_textSSIM$モデルにより、SSIMベースのOBAとSSIMベースのRDOは、SOSRと呼ばれる我々のスキームで一体化される。
参考スコア（独自算出の注目度）: 13.987321170568652
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Structural similarity (SSIM)-based distortion $D_\text{SSIM}$ is more consistent with human perception than the traditional mean squared error $D_\text{MSE}$. To achieve better video quality, many studies on optimal bit allocation (OBA) and rate-distortion optimization (RDO) used $D_\text{SSIM}$ as the distortion metric. However, many of them failed to optimize OBA and RDO jointly based on SSIM, thus causing a non-optimal R-$D_\text{SSIM}$ performance. This problem is due to the lack of an accurate R-$D_\text{SSIM}$ model that can be used uniformly in both OBA and RDO. To solve this problem, we propose a $D_\text{SSIM}$-$D_\text{MSE}$ model first. Based on this model, the complex R-$D_\text{SSIM}$ cost in RDO can be calculated as simpler R-$D_\text{MSE}$ cost with a new SSIM-related Lagrange multiplier. This not only reduces the computation burden of SSIM-based RDO, but also enables the R-$D_\text{SSIM}$ model to be uniformly used in OBA and RDO. Moreover, with the new SSIM-related Lagrange multiplier in hand, the joint relationship of R-$D_\text{SSIM}$-$\lambda_\text{SSIM}$ (the negative derivative of R-$D_\text{SSIM}$) can be built, based on which the R-$D_\text{SSIM}$ model parameters can be calculated accurately. With accurate and unified R-$D_\text{SSIM}$ model, SSIM-based OBA and SSIM-based RDO are unified together in our scheme, called SOSR. Compared with the HEVC reference encoder HM16.20, SOSR saves 4%, 10%, and 14% bitrate under the same SSIM in all-intra, hierarchical and non-hierarchical low-delay-B configurations, which is superior to other state-of-the-art schemes.
Abstract（参考訳）: 構造的類似性(SSIM)ベースの歪み$D_\text{SSIM}$は、従来の平均2乗誤差$D_\text{MSE}$よりも人間の知覚に一貫性がある。ビデオ品質を改善するために、最適なビット割り当て(OBA)とレート歪み最適化(RDO)の研究は、歪み測定として$D_\text{SSIM}$を使用した。しかし、その多くがSSIMをベースとしたOBAとRDOの最適化に失敗したため、最適化されていないR-$D_\text{SSIM}$パフォーマンスが生じた。この問題は、OBAとRDOの両方で一様に使用できる正確なR-$D_\text{SSIM}$モデルがないためである。この問題を解決するために、まずD_\text{SSIM}$-$D_\text{MSE}$モデルを提案する。このモデルに基づいて、複雑なR-$D_\text{SSIM}$コストを、新しいSSIM関連ラグランジュ乗算器でより単純なR-$D_\text{MSE}$コストとして計算することができる。これにより、SSIMベースのRDOの計算負担を軽減するだけでなく、R-$D_\text{SSIM}$モデルがOBAやRDOで一様に使用できる。さらに、新しいSSIM関連ラグランジュ乗算器では、R-$D_\text{SSIM}$-$\lambda_\text{SSIM}$(R-$D_\text{SSIM}$の負微分)の結合関係を構築することができ、R-$D_\text{SSIM}$モデルのパラメータを正確に計算することができる。正確で統一されたR-$D_\text{SSIM}$モデルにより、SSIMベースのOBAとSSIMベースのRDOは、SOSRと呼ばれる我々のスキームにおいて統合される。 HEVCの参照エンコーダHM16.20と比較して、SOSRは全イントラ、階層的、非階層的な低遅延B構成において同じSSIMの下で4%、10%、および14%のビットレートを節約する。

関連論文リスト

Fast and scalable Wasserstein-1 neural optimal transport solver for single-cell perturbation prediction [55.89763969583124]
最適輸送理論はそのような写像を構築するための原則化された枠組みを提供する。本稿では,Wasserstein-1に基づく新しい最適輸送解法を提案する。実験により,提案した解法は,2次元データセット上に一意かつ単調な写像を求める際に,$W$ OTソルバを模倣できることを示した。
論文参考訳（メタデータ） (2024-11-01T14:23:19Z)
Globally Convergent Accelerated Algorithms for Multilinear Sparse Logistic Regression with $\ell_0$-constraints [2.323238724742687]
多重線形ロジスティック回帰は多次元データ解析の強力なツールである。本稿では,$ell_0$-MLSRを解くために,アクセラレーションされた近位置換最小値MLSRモデルを提案する。また、APALM$+$が一階臨界点に大域収束し、クルディ・ロジャシエヴィチ性質を用いて収束を確立することも示している。
論文参考訳（メタデータ） (2023-09-17T11:05:08Z)
Sharper Model-free Reinforcement Learning for Average-reward Markov Decision Processes [21.77276136591518]
我々はマルコフ決定過程(MDPs)のための証明可能なモデルフリー強化学習(RL)アルゴリズムを開発した。シミュレータ設定では,$widetildeO left(fracSAmathrmsp(h*)epsilon2+fracS2Amathrmsp(h*)epsilon2right)$サンプルを用いて,$epsilon$-optimal Policyを求める。
論文参考訳（メタデータ） (2023-06-28T17:43:19Z)
Contextual Combinatorial Bandits with Probabilistically Triggered Arms [55.9237004478033]
確率的に誘発される腕(C$2$MAB-T)を様々な滑らかさ条件下で検討した。トリガー変調 (TPM) 条件の下では、C$2$-UC-Tアルゴリズムを考案し、後悔すべき$tildeO(dsqrtT)$を導出する。
論文参考訳（メタデータ） (2023-03-30T02:51:00Z)
Optimal Query Complexities for Dynamic Trace Estimation [59.032228008383484]
我々は,行列がゆっくりと変化している動的環境において,正確なトレース推定に必要な行列ベクトルクエリ数を最小化する問題を考える。我々は、$delta$失敗確率で$epsilon$エラーまで、すべての$m$トレースを同時に推定する新しいバイナリツリー要約手順を提供する。我々の下界(1)は、静的な設定においてもフロベニウスノルム誤差を持つ行列ベクトル積モデルにおけるハッチンソン推定子の第一の厳密な境界を与え、(2)動的トレース推定のための最初の無条件下界を与える。
論文参考訳（メタデータ） (2022-09-30T04:15:44Z)
Best Policy Identification in Linear MDPs [70.57916977441262]
縮退した線形マルコフ+デルタ決定における最適同定問題について, 生成モデルに基づく固定信頼度設定における検討を行った。複雑な非最適化プログラムの解としての下位境界は、そのようなアルゴリズムを考案する出発点として用いられる。
論文参考訳（メタデータ） (2022-08-11T04:12:50Z)
Low-rank Matrix Recovery With Unknown Correspondence [62.634051913953485]
我々は、M$の回復のために証明不可能な非漸近誤差を伴い、M$の適切な低ランク条件下で核ノルム最小化問題を解くことで、M$を回復可能であることを示す。シミュレーションデータの実験、MovieLens 100KデータセットとYale Bデータベースは、$textM3textOがいくつかのベースラインで最先端のパフォーマンスを達成し、高精度な地上真実対応を回復できることを示した。
論文参考訳（メタデータ） (2021-10-15T09:27:50Z)
Parameter Estimation for the SEIR Model Using Recurrent Nets [28.065980818744208]
微分可能な目的に基づいて、最適な$Theta_textSEIR$を見つけます。提案手法は,シミュレーション数が少なく,パラメータ推定精度が大幅に向上することを示した。
論文参考訳（メタデータ） (2021-05-30T12:51:45Z)
Optimal Robust Linear Regression in Nearly Linear Time [97.11565882347772]
学習者が生成モデル$Y = langle X,w* rangle + epsilon$から$n$のサンプルにアクセスできるような高次元頑健な線形回帰問題について検討する。 i) $X$ is L4-L2 hypercontractive, $mathbbE [XXtop]$ has bounded condition number and $epsilon$ has bounded variance, (ii) $X$ is sub-Gaussian with identity second moment and $epsilon$ is
論文参考訳（メタデータ） (2020-07-16T06:44:44Z)
Theoretical Insights into the Use of Structural Similarity Index In Generative Models and Inferential Autoencoders [12.323996999894002]
本稿では,合成モデルと推論オートエンコーダにおける構造類似度指数(SSIM)の使い方を理論的に論じる。本稿では,SSIMカーネルが汎用カーネルであり,不条件および条件付きモーメントマッチングネットワークで使用できることを示す。
論文参考訳（メタデータ） (2020-04-04T05:39:15Z)

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。