論文の概要: NTIRE 2020 Challenge on Video Quality Mapping: Methods and Results
- arxiv url: http://arxiv.org/abs/2005.02291v3
- Date: Mon, 15 Jun 2020 22:12:40 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-06 13:49:14.668034
- Title: NTIRE 2020 Challenge on Video Quality Mapping: Methods and Results
- Title（参考訳）: NTIRE 2020におけるビデオ品質マッピングの課題:方法と結果
- Authors: Dario Fuoli, Zhiwu Huang, Martin Danelljan, Radu Timofte, Hua Wang,
Longcun Jin, Dewei Su, Jing Liu, Jaehoon Lee, Michal Kudelski, Lukasz Bala,
Dmitry Hrybov, Marcin Mozejko, Muchen Li, Siyao Li, Bo Pang, Cewu Lu, Chao
Li, Dongliang He, Fu Li, Shilei Wen
- Abstract要約: ビデオ品質マッピング(VQM)におけるNTIRE 2020の課題を概観する。
この課題には、2つのベンチマークデータセットに対して、教師付きトラック(トラック1)と弱い教師付きトラック(トラック2)の両方が含まれる。
トラック1では、合計7チームが最終テストフェーズに出場し、問題に対する新しい効果的な解決策を実証した。
トラック2では、いくつかの既存手法が評価され、弱教師付きビデオ品質マッピング問題に対する有望な解決策が示されている。
- 参考スコア（独自算出の注目度）: 131.05847851975236
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper reviews the NTIRE 2020 challenge on video quality mapping (VQM),
which addresses the issues of quality mapping from source video domain to
target video domain. The challenge includes both a supervised track (track 1)
and a weakly-supervised track (track 2) for two benchmark datasets. In
particular, track 1 offers a new Internet video benchmark, requiring algorithms
to learn the map from more compressed videos to less compressed videos in a
supervised training manner. In track 2, algorithms are required to learn the
quality mapping from one device to another when their quality varies
substantially and weakly-aligned video pairs are available. For track 1, in
total 7 teams competed in the final test phase, demonstrating novel and
effective solutions to the problem. For track 2, some existing methods are
evaluated, showing promising solutions to the weakly-supervised video quality
mapping problem.
- Abstract（参考訳）: 本稿では、ソースビデオ領域からターゲットビデオ領域への品質マッピングの問題に対処する、ビデオ品質マッピング(VQM)に関するNTIRE 2020の課題についてレビューする。
チャレンジには、監督されたトラック(トラック)の両方が含まれます
1)及び弱監督トラック(線路)
2) ベンチマークデータセットは2つ。
特にtrack 1は、新しいインターネットビデオベンチマークを提供しており、より圧縮されたビデオからより圧縮されたビデオまでのマップを教師ありの訓練方法で学習するアルゴリズムを必要とする。
トラック2では、品質が大きく変化し、ビデオペアが弱い場合に、あるデバイスから別のデバイスへの品質マッピングを学ぶアルゴリズムが必要となる。
トラック1では、合計7チームが最終テストフェーズに出場し、問題に対する新しい効果的な解決策を実証した。
トラック2では、いくつかの既存手法が評価され、弱い教師付きビデオ品質マッピング問題に対する有望な解決策が示されている。
関連論文リスト
- First Place Solution to the Multiple-choice Video QA Track of The Second Perception Test Challenge [4.075139470537149]
The Second Perception Test Challenge(第2回知覚テストチャレンジ)のマルチチョイスビデオ質問回答トラックへの第1位ソリューションを提示する。
このコンペティションは複雑なビデオ理解の課題を提起し、ビデオコンテンツに関する質問を正確に理解し答えるモデルを必要とした。
論文 参考訳（メタデータ） (2024-09-20T14:31:13Z) - VideoPipe 2022 Challenge: Real-World Video Understanding for Urban Pipe
Inspection [40.446994095055985]
QV-Pipe と CCTV-Pipe という2つの高品質なビデオベンチマークを導入し,実世界の都市管システムの異常検査を行った。
本稿では,これらのベンチマークの詳細,競合トラックの問題点定義,評価基準,結果要約について述べる。
論文 参考訳（メタデータ） (2022-10-20T10:52:49Z) - AIM 2022 Challenge on Super-Resolution of Compressed Image and Video:
Dataset, Methods and Results [110.91485363392167]
本稿では,AIM 2022における圧縮画像・映像の超解像に関する課題について概説する。
提案手法と解法は,圧縮画像およびビデオ上での超解像の最先端性を評価する。
論文 参考訳（メタデータ） (2022-08-23T20:32:38Z) - NTIRE 2022 Challenge on Super-Resolution and Quality Enhancement of
Compressed Video: Dataset, Methods and Results [165.7792541023259]
圧縮ビデオの超解像化と品質向上に関する NTIRE 2022 Challenge をレビューする。
本課題では,LDVデータセット(240本)と95本の追加ビデオを含むLDV 2.0データセットを提案する。
提案手法と解法は,圧縮ビデオの高解像度化と品質向上の最先端性を評価する。
論文 参考訳（メタデータ） (2022-04-20T08:50:02Z) - NTIRE 2021 Challenge on Video Super-Resolution [103.59395980541574]
Super-Resolution (SR) はコンピュータビジョンタスクであり、与えられた低解像度の画像から高解像度のクリーンイメージを得る。
本稿では,NTIRE Challenge on Video Super-Resolutionをレビューする。
論文 参考訳（メタデータ） (2021-04-30T09:12:19Z) - NTIRE 2021 Challenge on Quality Enhancement of Compressed Video: Methods
and Results [132.53598576262686]
本稿では,圧縮ビデオの品質向上に関する最初のNTIRE課題についてレビューする。
トラック1と2はHEVCが圧縮した動画を固定QPで強化することを目的としており、トラック3はx265で圧縮した動画を固定ビットレートで強化するために設計されている。
提案手法とソリューションは、ビデオ品質向上の最先端を測る。
論文 参考訳（メタデータ） (2021-04-21T22:08:48Z) - NTIRE 2020 Challenge on Image and Video Deblurring [129.15554076593762]
本稿は、NTIRE 2020 Challenge on Image and Video Deblurringをレビューする。
各大会には163人、135人、102人が登録された。
勝利法は、画像およびビデオの劣化タスクにおける最先端のパフォーマンスを示す。
論文 参考訳（メタデータ） (2020-05-04T03:17:30Z)
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。