Fugu-MT 論文翻訳(概要): Towards Generative Video Compression

論文の概要: Towards Generative Video Compression

arxiv url: http://arxiv.org/abs/2107.12038v1
Date: Mon, 26 Jul 2021 08:53:48 GMT
ステータス: 処理完了
システム内更新日: 2021-07-27 15:53:07.040899
Title: Towards Generative Video Compression
Title（参考訳）: 映像圧縮に向けて
Authors: Fabian Mentzer, Eirikur Agustsson, Johannes Ball\'e, David Minnen, Nick Johnston, George Toderici
Abstract要約: 本稿では,GAN(Generative Adversarial Network)に基づくニューラルビデオ圧縮手法を提案する。
参考スコア（独自算出の注目度）: 37.759436128930346
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We present a neural video compression method based on generative adversarial networks (GANs) that outperforms previous neural video compression methods and is comparable to HEVC in a user study. We propose a technique to mitigate temporal error accumulation caused by recursive frame compression that uses randomized shifting and un-shifting, motivated by a spectral analysis. We present in detail the network design choices, their relative importance, and elaborate on the challenges of evaluating video compression methods in user studies.
Abstract（参考訳）: 本稿では,従来のニューラルビデオ圧縮法に匹敵するgans(generative adversarial networks)に基づくニューラルビデオ圧縮法を提案する。スペクトル解析によるランダムなシフトと非シフトを用いた再帰的フレーム圧縮による時間誤差の蓄積を緩和する手法を提案する。本稿では,ネットワーク設計の選択肢,相対的重要性,ユーザ研究におけるビデオ圧縮手法評価の課題について詳述する。

関連論文リスト

Releasing the Parameter Latency of Neural Representation for High-Efficiency Video Compression [18.769136361963472]
暗黙的ニューラル表現(INR)技術は、ビデオ全体を基本単位としてモデル化し、フレーム内およびフレーム間の相関を自動的にキャプチャする。本稿では,INRビデオ圧縮の速度歪み特性を大幅に向上させる手法を提案する。
論文参考訳（メタデータ） (2024-10-02T15:19:31Z)
Scene Matters: Model-based Deep Video Compression [13.329074811293292]
本稿では,シーンを映像シーケンスの基本単位とみなすモデルベースビデオ圧縮(MVC)フレームワークを提案する。提案したMVCは,1シーンでビデオシーケンス全体の新しい強度変化を直接モデル化し,冗長性を低減せず,非冗長表現を求める。提案手法は,最新のビデオ標準H.266に比べて最大20%の削減を実現し,既存のビデオ符号化方式よりもデコーディングの効率がよい。
論文参考訳（メタデータ） (2023-03-08T13:15:19Z)
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)
Estimating the Resize Parameter in End-to-end Learned Image Compression [50.20567320015102]
本稿では,最近の画像圧縮モデルの速度歪みトレードオフをさらに改善する検索自由化フレームワークについて述べる。提案手法により,Bjontegaard-Deltaレート(BD-rate)を最大10%向上させることができる。
論文参考訳（メタデータ） (2022-04-26T01:35:02Z)
Implicit Neural Representations for Image Compression [103.78615661013623]
Inlicit Neural Representations (INRs) は、様々なデータ型の新規かつ効果的な表現として注目されている。量子化、量子化を考慮した再学習、エントロピー符号化を含むINRに基づく最初の包括的圧縮パイプラインを提案する。我々は、INRによるソース圧縮に対する我々のアプローチが、同様の以前の作業よりも大幅に優れていることに気付きました。
論文参考訳（メタデータ） (2021-12-08T13:02:53Z)
Neural Weight Step Video Compression [0.5772546394254112]
本稿では,2つのアーキテクチャのパラダイムを用いて,映像圧縮の実現可能性をテストするための一連の実験を提案する。ビデオのフレームを低エントロピーパラメータ更新として符号化する手法を提案する。提案手法の有効性を評価するため,複数の高解像度映像データセット上で映像圧縮性能をテストする。
論文参考訳（メタデータ） (2021-12-02T18:53:05Z)
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)
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。