論文の概要: DVC-P: Deep Video Compression with Perceptual Optimizations
- arxiv url: http://arxiv.org/abs/2109.10849v1
- Date: Wed, 22 Sep 2021 17:20:13 GMT
- ステータス: 処理完了
- システム内更新日: 2021-09-23 13:32:24.708300
- Title: DVC-P: Deep Video Compression with Perceptual Optimizations
- Title（参考訳）: DVC-P:知覚最適化によるディープビデオ圧縮
- Authors: Saiping Zhang, Marta Mrak, Luis Herranz, Marc G\'orriz, Shuai Wan,
Fuzheng Yang
- Abstract要約: 本稿では,Deep Video compression with Perceptual Optimizations (DVC-P)を提案する。
具体的には、ネットワークの歪み、知覚、レートのトレードオフを支援するために、識別器ネットワークと混合損失を用いる。
- 参考スコア（独自算出の注目度）: 22.54270922884164
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Recent years have witnessed the significant development of learning-based
video compression methods, which aim at optimizing objective or perceptual
quality and bit rates. In this paper, we introduce deep video compression with
perceptual optimizations (DVC-P), which aims at increasing perceptual quality
of decoded videos. Our proposed DVC-P is based on Deep Video Compression (DVC)
network, but improves it with perceptual optimizations. Specifically, a
discriminator network and a mixed loss are employed to help our network trade
off among distortion, perception and rate. Furthermore, nearest-neighbor
interpolation is used to eliminate checkerboard artifacts which can appear in
sequences encoded with DVC frameworks. Thanks to these two improvements, the
perceptual quality of decoded sequences is improved. Experimental results
demonstrate that, compared with the baseline DVC, our proposed method can
generate videos with higher perceptual quality achieving 12.27% reduction in a
perceptual BD-rate equivalent, on average.
- Abstract（参考訳）: 近年,目的や知覚品質,ビットレートの最適化を目的とした,学習に基づくビデオ圧縮手法の開発が盛んに進んでいる。
本稿では,デコード映像の知覚的品質向上を目的とした知覚最適化(dvc-p)による深部映像圧縮を提案する。
提案するDVC-Pはディープビデオ圧縮(DVC)ネットワークに基づいているが,知覚的最適化により改善されている。
具体的には、ネットワークの歪み、知覚、レートのトレードオフを支援するために、識別器ネットワークと混合損失を用いる。
さらに、dvcフレームワークでエンコードされたシーケンスに現れるチェッカーボードアーティファクトを排除するために、neighbor補間が使用される。
これら2つの改良により、復号化シーケンスの知覚品質が向上した。
実験の結果,提案手法はベースラインDVCと比較して,知覚品質の高い映像を平均12.27%,知覚的BD値が12.27%低減できることがわかった。
関連論文リスト
- Accelerating Learned Video Compression via Low-Resolution Representation Learning [18.399027308582596]
低解像度表現学習に焦点を当てた学習ビデオ圧縮のための効率最適化フレームワークを提案する。
提案手法は,H.266参照ソフトウェアVTMの低遅延P構成と同等の性能を実現する。
論文 参考訳（メタデータ） (2024-07-23T12:02:57Z) - Compression-Realized Deep Structural Network for Video Quality Enhancement [78.13020206633524]
本稿では,圧縮ビデオの品質向上の課題に焦点をあてる。
既存の手法のほとんどは、圧縮コーデック内での事前処理を最適に活用するための構造設計を欠いている。
新しいパラダイムは、より意識的な品質向上プロセスのために緊急に必要である。
論文 参考訳（メタデータ） (2024-05-10T09:18:17Z) - High Visual-Fidelity Learned Video Compression [6.609832462227998]
我々は,HVFVC(High Visual-Fidelity Learned Video Compression framework)を提案する。
具体的には,新たに出現した地域での貧弱な復興問題に対処するために,信頼度に基づく新しい特徴再構成手法を設計する。
広汎な実験により提案したHVFVCは、50%しか必要とせず、最新のVVC標準よりも優れた知覚品質が得られることが示された。
論文 参考訳（メタデータ） (2023-10-07T03:27:45Z) - Sandwiched Video Compression: Efficiently Extending the Reach of
Standard Codecs with Neural Wrappers [11.968545394054816]
本稿では,標準的なビデオにニューラルネットワークをラップするビデオ圧縮システムを提案する。
ネットワークは、速度歪み損失関数を最適化するために共同で訓練される。
HEVCと同等品質で30%の改善が見られた。
論文 参考訳（メタデータ） (2023-03-20T22:03:44Z) - 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) - 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) - 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) - Neural JPEG: End-to-End Image Compression Leveraging a Standard JPEG
Encoder-Decoder [73.48927855855219]
本稿では,エンコーダとデコーダの両端に内在するニューラル表現を強化することで,符号化性能の向上を図るシステムを提案する。
実験により,提案手法はJPEGに対する速度歪み性能を,様々な品質指標で改善することを示した。
論文 参考訳（メタデータ） (2022-01-27T20:20:03Z) - 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) - Video Compression with CNN-based Post Processing [18.145942926665164]
本稿では,2つの最先端コーディング標準であるVVCとAV1を統合したCNNベースのポストプロセッシング手法を提案する。
その結果、様々な空間解像度でテストされた全てのシーケンスで一貫した符号化が得られ、それぞれ平均ビットレートは4.0%、AV1に対して5.8%である。
論文 参考訳（メタデータ） (2020-09-16T10:07:32Z) - 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。