論文の概要: NTIRE 2021 Challenge on Quality Enhancement of Compressed Video: Methods
and Results
- arxiv url: http://arxiv.org/abs/2104.10781v1
- Date: Wed, 21 Apr 2021 22:08:48 GMT
- ステータス: 翻訳完了
- システム内更新日: 2021-04-23 13:46:37.049379
- Title: NTIRE 2021 Challenge on Quality Enhancement of Compressed Video: Methods
and Results
- Title（参考訳）: NTIRE 2021 圧縮ビデオの品質向上への挑戦:方法と結果
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 132.53598576262686
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: This paper reviews the first NTIRE challenge on quality enhancement of
compressed video, with focus on proposed solutions and results. In this
challenge, the new Large-scale Diverse Video (LDV) dataset is employed. The
challenge has three tracks. Tracks 1 and 2 aim at enhancing the videos
compressed by HEVC at a fixed QP, while Track 3 is designed for enhancing the
videos compressed by x265 at a fixed bit-rate. Besides, the quality enhancement
of Tracks 1 and 3 targets at improving the fidelity (PSNR), and Track 2 targets
at enhancing the perceptual quality. The three tracks totally attract 482
registrations. In the test phase, 12 teams, 8 teams and 11 teams submitted the
final results of Tracks 1, 2 and 3, respectively. The proposed methods and
solutions gauge the state-of-the-art of video quality enhancement. The homepage
of the challenge: https://github.com/RenYang-home/NTIRE21_VEnh
- Abstract（参考訳）: 本稿では,圧縮ビデオの品質向上に関する最初のNTIRE課題を,提案手法と結果に焦点をあててレビューする。
この課題では、新しいLarge-scale Diverse Video(LDV)データセットが採用されている。
挑戦には3つのトラックがあります。
トラック1,2はHEVCが圧縮した映像を一定QPで向上することを目的としており、トラック3はx265で圧縮した映像を一定ビットレートで強化するように設計されている。
また、トラック1,3の品質向上は、忠実度(psnr)向上を目標とし、トラック2は知覚品質向上を目標とする。
3つのトラックは482の登録者を集めている。
テストフェーズでは、12のチーム、8のチーム、11のチームがそれぞれトラック1、2、3の最終結果を提出しました。
提案手法と解決策は,映像品質向上の現状を評価する。
チャレンジのホームページ:https://github.com/RenYang-home/NTIRE21_VEnh
関連論文リスト
- 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 Quality Enhancement of Compressed Video: Dataset
and Study [95.36629866768999]
本稿では, NTIRE 2021チャレンジの最先端手法について, 映像強調のための新しいデータセットを提案する。
この課題は、3つのコンペティション、数百の参加者、数十のソリューションで、この方向の最初のNTIREチャレンジです。
NTIRE 2021の課題は圧縮ビデオの品質向上の最先端技術であることがわかった。
論文 参考訳（メタデータ） (2021-04-21T22:18:33Z) - NTIRE 2020 Challenge on Video Quality Mapping: Methods and Results [131.05847851975236]
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。
論文 参考訳（メタデータ） (2020-05-05T15:45:16Z) - 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。