論文の概要: COMISR: Compression-Informed Video Super-Resolution
- arxiv url: http://arxiv.org/abs/2105.01237v1
- Date: Tue, 4 May 2021 01:24:44 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-05 12:59:09.740910
- Title: COMISR: Compression-Informed Video Super-Resolution
- Title（参考訳）: comisr: 圧縮インフォームドビデオスーパーレゾリューション
- Authors: Yinxiao Li, Pengchong Jin, Feng Yang, Ce Liu, Ming-Hsuan Yang, Peyman
Milanfar
- Abstract要約: ウェブやモバイルデバイスのほとんどのビデオは圧縮され、帯域幅が制限されると圧縮は厳しい。
圧縮によるアーティファクトを導入せずに高解像度コンテンツを復元する圧縮インフォームドビデオ超解像モデルを提案する。
- 参考スコア（独自算出の注目度）: 76.94152284740858
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Most video super-resolution methods focus on restoring high-resolution video
frames from low-resolution videos without taking into account compression.
However, most videos on the web or mobile devices are compressed, and the
compression can be severe when the bandwidth is limited. In this paper, we
propose a new compression-informed video super-resolution model to restore
high-resolution content without introducing artifacts caused by compression.
The proposed model consists of three modules for video super-resolution:
bi-directional recurrent warping, detail-preserving flow estimation, and
Laplacian enhancement. All these three modules are used to deal with
compression properties such as the location of the intra-frames in the input
and smoothness in the output frames. For thorough performance evaluation, we
conducted extensive experiments on standard datasets with a wide range of
compression rates, covering many real video use cases. We showed that our
method not only recovers high-resolution content on uncompressed frames from
the widely-used benchmark datasets, but also achieves state-of-the-art
performance in super-resolving compressed videos based on numerous quantitative
metrics. We also evaluated the proposed method by simulating streaming from
YouTube to demonstrate its effectiveness and robustness.
- Abstract（参考訳）: ほとんどのビデオスーパーレゾリューションは、圧縮を考慮せずに低解像度ビデオから高解像度ビデオフレームを復元することに焦点を当てている。
しかし、webまたはモバイルデバイス上のほとんどのビデオは圧縮され、帯域幅が制限された場合、圧縮は厳しい。
本稿では,圧縮によるアーティファクトを導入せずに高解像度コンテンツを復元する圧縮インフォームドビデオ超解像モデルを提案する。
提案手法は,双方向再帰的ワーピング,詳細保存フロー推定,ラプラシアン拡張の3つのモジュールからなる。
これら3つのモジュールはすべて、入力中のフレーム内の位置や出力フレームの滑らかさといった圧縮特性を処理するために使用される。
性能評価を徹底するために,様々な圧縮率の標準データセットを広範囲に実験し,実映像のユースケースについて検討した。
本手法は,広く使用されているベンチマークデータセットから非圧縮フレーム上の高分解能コンテンツを復元するだけでなく,多数の定量的指標に基づく圧縮ビデオの高分解能化における最先端の性能を実現する。
また,提案手法の有効性とロバスト性を示すために,YouTubeからのストリーミングをシミュレートして評価した。
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) - 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) - Perceptual Quality Assessment of Face Video Compression: A Benchmark and
An Effective Method [69.868145936998]
生成的符号化アプローチは、合理的な速度歪曲トレードオフを持つ有望な代替手段として認識されている。
従来のハイブリッドコーディングフレームワークから生成モデルまで、空間的・時間的領域における歪みの多様さは、圧縮顔画像品質評価(VQA)における大きな課題を提示する。
大規模圧縮顔画像品質評価(CFVQA)データベースを導入し,顔ビデオの知覚的品質と多角化圧縮歪みを体系的に理解するための最初の試みである。
論文 参考訳（メタデータ） (2023-04-14T11:26:09Z) - 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) - Self-Conditioned Probabilistic Learning of Video Rescaling [70.10092286301997]
本稿では,ビデオ再スケーリングのための自己条件付き確率的フレームワークを提案し,ペアダウンスケーリングとアップスケーリングの手順を同時に学習する。
我々は、その条件付き確率を強い時空間事前情報に基づいて最大化することにより、ダウンスケーリングで失われた情報のエントロピーを減少させる。
我々は、このフレームワークを、非微分産業損失コーデックの勾配推定器として提案する、損失のあるビデオ圧縮システムに拡張する。
論文 参考訳（メタデータ） (2021-07-24T15:57:15Z) - 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) - 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。
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。