Fugu-MT 論文翻訳(概要): Conditional Coding and Variable Bitrate for Practical Learned Video Coding

論文の概要: Conditional Coding and Variable Bitrate for Practical Learned Video Coding

arxiv url: http://arxiv.org/abs/2104.09103v2
Date: Tue, 20 Apr 2021 09:28:17 GMT
ステータス: 処理完了
システム内更新日: 2023-04-03 05:00:36.881425
Title: Conditional Coding and Variable Bitrate for Practical Learned Video Coding
Title（参考訳）: 実地学習ビデオ符号化のための条件付き符号化と可変ビットレート
Authors: Th\'eo Ladune (IETR), Pierrick Philippe, Wassim Hamidouche (IETR), Lu Zhang (IETR), Olivier D\'eforges (IETR)
Abstract要約: 条件符号化と量子化ゲインベクトルは、単一のエンコーダ/デコーダペアに柔軟性を提供するために使用される。提案手法はHEVCと同等の性能を示す。
参考スコア（独自算出の注目度）: 1.6619384554007748
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This paper introduces a practical learned video codec. Conditional coding and quantization gain vectors are used to provide flexibility to a single encoder/decoder pair, which is able to compress video sequences at a variable bitrate. The flexibility is leveraged at test time by choosing the rate and GOP structure to optimize a rate-distortion cost. Using the CLIC21 video test conditions, the proposed approach shows performance on par with HEVC.
Abstract（参考訳）: 本稿では,実用的な学習ビデオコーデックを提案する。条件付き符号化と量子化ゲインベクトルは、可変ビットレートでビデオシーケンスを圧縮できる単一のエンコーダ/デコーダペアに柔軟性を与えるために使用される。フレキシビリティは、レートとGOP構造を選択して、レート歪曲コストを最適化することで、テスト時に活用される。 CLIC21ビデオテスト条件を用いて、提案手法はHEVCと同等のパフォーマンスを示す。

関連論文リスト

When Video Coding Meets Multimodal Large Language Models: A Unified Paradigm for Video Coding [112.44822009714461]
CMVC(Cross-Modality Video Coding)は、ビデオ符号化における多モード表現とビデオ生成モデルを探索する先駆的な手法である。復号化の際には、以前に符号化されたコンポーネントとビデオ生成モデルを利用して複数の復号モードを生成する。 TT2Vは効果的な意味再構成を実現し,IT2Vは競争力のある知覚整合性を示した。
論文参考訳（メタデータ） (2024-08-15T11:36:18Z)
Prediction and Reference Quality Adaptation for Learned Video Compression [54.58691829087094]
本研究では,空間的およびチャネル的予測品質差の明確な識別を行うために,信頼度に基づく予測品質適応(PQA)モジュールを提案する。また、参照品質適応(RQA)モジュールと関連する繰り返し学習戦略を提案し、様々な参照品質のための動的空間変化フィルタを提供する。
論文参考訳（メタデータ） (2024-06-20T09:03:26Z)
Video Compression with Arbitrary Rescaling Network [8.489428003916622]
符号化前のビデオリサイズのためのレート誘導任意再スケーリングネットワーク(RARN)を提案する。軽量RARN構造は、FHD(1080p)コンテンツをリアルタイム(91 FPS)で処理し、かなりのレート低下を得ることができる。
論文参考訳（メタデータ） (2023-06-07T07:15:18Z)
Flexible Neural Image Compression via Code Editing [8.499248314440557]
ニューラル画像圧縮(NIC)は、レート歪み(R-D)性能において従来の画像コーデックよりも優れていた。通常、R-D曲線の各点に専用エンコーダとデコーダのペアが必要であるため、実際の展開を妨げている。本稿では,セミアモタイズされた推論と適応量子化に基づくNICの高フレキシブルな符号化手法であるCode Editingを提案する。
論文参考訳（メタデータ） (2022-09-19T09:41:43Z)
CANF-VC: Conditional Augmented Normalizing Flows for Video Compression [81.41594331948843]
CANF-VCは、エンドツーエンドの学習ベースのビデオ圧縮システムである。条件付き拡張正規化フロー(ANF)に基づく。
論文参考訳（メタデータ） (2022-07-12T04:53:24Z)
Flexible-Rate Learned Hierarchical Bi-Directional Video Compression With Motion Refinement and Frame-Level Bit Allocation [8.80688035831646]
我々は、動き推定と予測モジュールを組み合わせ、改良された残留運動ベクトルを圧縮し、速度歪み性能を向上する。我々は、ゲインユニットを利用して、コード内対双方向符号化フレーム間のビット割り当てを制御する。
論文参考訳（メタデータ） (2022-06-27T20:18:52Z)
Efficient VVC Intra Prediction Based on Deep Feature Fusion and Probability Estimation [57.66773945887832]
本稿では,フレーム内予測におけるVersatile Video Coding (VVC) の複雑性を,深層融合と確率推定の2段階のフレームワークを用いて最適化することを提案する。特に高精細度(HD)および超高精細度(UHD)ビデオシーケンスにおいて,提案手法の優位性を示す実験結果が得られた。
論文参考訳（メタデータ） (2022-05-07T08:01:32Z)
End-to-End Rate-Distortion Optimized Learned Hierarchical Bi-Directional Video Compression [10.885590093103344]
学習VCは、非線形変換、運動、エントロピーモデルのエンドツーエンドの速度歪み(R-D)最適化トレーニングを同時に行うことができる。本稿では,階層型モーションサンプリングとエンドツーエンド最適化の利点を組み合わせた,学習型階層型双方向ビデオ(LHBDC)を提案する。
論文参考訳（メタデータ） (2021-12-17T14:30:22Z)
Perceptual Learned Video Compression with Recurrent Conditional GAN [158.0726042755]
本稿では, PVC (Perceptual Learned Video Compression) アプローチを提案する。 PLVCは低ビットレートで映像を知覚品質に圧縮することを学ぶ。ユーザスタディでは、最新の学習ビデオ圧縮手法と比較して、PLVCの優れた知覚性能をさらに検証している。
論文参考訳（メタデータ） (2021-09-07T13:36:57Z)
Learned Video Codec with Enriched Reconstruction for CLIC P-frame Coding [11.000499414131324]
本稿では,学習画像圧縮(clic, cvprworkshop)2020 p-frame符号化のための学習ベースのビデオを提案する。より具体的には、残差符号信号と運動ベクトルのためのRefine-Netを用いた圧縮機ネットワークを設計した。ビデオでは,CLIC P-frame Challengeで指定されたデコーダ側の完全参照フレームを用いて,その性能を示す。
論文参考訳（メタデータ） (2020-12-14T12:32:46Z)
Content Adaptive and Error Propagation Aware Deep Video Compression [110.31693187153084]
本稿では,コンテンツ適応型・誤り伝搬対応型ビデオ圧縮システムを提案する。本手法では, 複数フレームの圧縮性能を1フレームではなく複数フレームで考慮し, 共同学習手法を用いる。従来の圧縮システムでは手作りのコーディングモードを使用する代わりに,オンラインエンコーダ更新方式をシステム内に設計する。
論文参考訳（メタデータ） (2020-03-25T09:04:24Z)

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。