論文の概要: Neural Weight Step Video Compression
- arxiv url: http://arxiv.org/abs/2112.01504v1
- Date: Thu, 2 Dec 2021 18:53:05 GMT
- ステータス: 処理完了
- システム内更新日: 2021-12-03 17:45:39.931592
- Title: Neural Weight Step Video Compression
- Title（参考訳）: ニューラルウェイトステップビデオ圧縮
- Authors: Mikolaj Czerkawski, Javier Cardona, Robert Atkinson, Craig Michie,
Ivan Andonovic, Carmine Clemente, Christos Tachtatzis
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 0.5772546394254112
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: A variety of compression methods based on encoding images as weights of a
neural network have been recently proposed. Yet, the potential of similar
approaches for video compression remains unexplored. In this work, we suggest a
set of experiments for testing the feasibility of compressing video using two
architectural paradigms, coordinate-based MLP (CbMLP) and convolutional
network. Furthermore, we propose a novel technique of neural weight stepping,
where subsequent frames of a video are encoded as low-entropy parameter
updates. To assess the feasibility of the considered approaches, we will test
the video compression performance on several high-resolution video datasets and
compare against existing conventional and neural compression techniques.
- Abstract（参考訳）: 近年,ニューラルネットワークの重みとして画像の符号化に基づく様々な圧縮手法が提案されている。
しかし、ビデオ圧縮に対する同様のアプローチの可能性はまだ検討されていない。
本研究では,CbMLPと畳み込みネットワークという2つのアーキテクチャパラダイムを用いて,ビデオ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。
さらに,ビデオの後続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ニューラルウェイトステッピング手法を提案する。
検討した手法の実現可能性を評価するため,複数の高分解能映像データセットでビデオ圧縮性能をテストし,従来型およびニューラル圧縮法と比較する。
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) - NVRC: Neural Video Representation Compression [13.131842990481038]
我々は、新しいINRベースのビデオ圧縮フレームワーク、Neural Video Representation Compression (NVRC)を提案する。
NVRCは初めて、INRベースのビデオをエンドツーエンドで最適化することができる。
実験の結果,NVRCは従来のベンチマークエントロピーよりも優れていた。
論文 参考訳（メタデータ） (2024-09-11T16:57:12Z) - 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) - 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) - Modality-Agnostic Variational Compression of Implicit Neural
Representations [96.35492043867104]
Inlicit Neural Representation (INR) としてパラメータ化されたデータの関数的ビューに基づくモーダリティ非依存型ニューラル圧縮アルゴリズムを提案する。
潜時符号化と疎性の間のギャップを埋めて、ソフトゲーティング機構に非直線的にマッピングされたコンパクト潜時表現を得る。
このような潜在表現のデータセットを得た後、ニューラル圧縮を用いてモーダリティ非依存空間におけるレート/歪みトレードオフを直接最適化する。
論文 参考訳（メタデータ） (2023-01-23T15:22:42Z) - 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) - 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) - Towards Generative Video Compression [37.759436128930346]
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。
論文 参考訳（メタデータ） (2021-07-26T08:53:48Z) - 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。