論文の概要: MuZero with Self-competition for Rate Control in VP9 Video Compression
- arxiv url: http://arxiv.org/abs/2202.06626v1
- Date: Mon, 14 Feb 2022 11:27:27 GMT
- ステータス: 処理完了
- システム内更新日: 2022-02-16 00:53:14.538088
- Title: MuZero with Self-competition for Rate Control in VP9 Video Compression
- Title（参考訳）: VP9ビデオ圧縮におけるレート制御のための自己競合型MuZero
- Authors: Amol Mandhane, Anton Zhernov, Maribeth Rauh, Chenjie Gu, Miaosen Wang,
Flora Xue, Wendy Shang, Derek Pang, Rene Claus, Ching-Han Chiang, Cheng Chen,
Jingning Han, Angie Chen, Daniel J. Mankowitz, Jackson Broshear, Julian
Schrittwieser, Thomas Hubert, Oriol Vinyals, Timothy Mann
- Abstract要約: 本稿では,ビデオ圧縮の課題に対する MuZero アルゴリズムの適用について述べる。
また, MuZero をベースとした速度制御により, 圧縮ビデオのサイズを6.28%削減し, 映像品質を同じレベルに向上させることを示す。
- 参考スコア（独自算出の注目度）: 31.57572275235357
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Video streaming usage has seen a significant rise as entertainment,
education, and business increasingly rely on online video. Optimizing video
compression has the potential to increase access and quality of content to
users, and reduce energy use and costs overall. In this paper, we present an
application of the MuZero algorithm to the challenge of video compression.
Specifically, we target the problem of learning a rate control policy to select
the quantization parameters (QP) in the encoding process of libvpx, an open
source VP9 video compression library widely used by popular video-on-demand
(VOD) services. We treat this as a sequential decision making problem to
maximize the video quality with an episodic constraint imposed by the target
bitrate. Notably, we introduce a novel self-competition based reward mechanism
to solve constrained RL with variable constraint satisfaction difficulty, which
is challenging for existing constrained RL methods. We demonstrate that the
MuZero-based rate control achieves an average 6.28% reduction in size of the
compressed videos for the same delivered video quality level (measured as PSNR
BD-rate) compared to libvpx's two-pass VBR rate control policy, while having
better constraint satisfaction behavior.
- Abstract（参考訳）: エンタテインメント、教育、ビジネスがオンラインビデオに依存しているため、ビデオストリーミングの利用は大幅に増加している。
ビデオ圧縮の最適化は、ユーザーに対するコンテンツへのアクセスと品質を高め、エネルギー使用量とコストを削減できる可能性がある。
本稿では,ビデオ圧縮の課題に対する MuZero アルゴリズムの適用について述べる。
具体的には、人気のあるビデオオンデマンド(VOD)サービスで広く使われているオープンソースのVP9ビデオ圧縮ライブラリlibvpxの符号化プロセスにおいて、レート制御ポリシーを学習して量子化パラメータ(QP)を選択する問題をターゲットにしている。
対象ビットレートによって課されるエピソディック制約により映像品質を最大化するために,これを逐次意思決定問題として扱う。
特に,既存の制約付きRL法では困難な制約を満たす制約付きRLを解くための,新たな自己競合型報酬機構を導入する。
libvpx の2パス VBR レート制御ポリシーと比較して,圧縮された動画の圧縮画質(PSNR BD-rate として測定される)を平均6.28%削減し,良好な制約満足度を達成できることを示した。
関連論文リスト
- NU-Class Net: A Novel Approach for Video Quality Enhancement [1.7763979745248648]
本稿では,圧縮コーデックによる圧縮アーチファクトの軽減を目的とした,革新的な深層学習モデルであるNU-Class Netを紹介する。
NU-Class Netを利用することで、ビデオキャプチャノード内のビデオエンコーダは出力品質を低下させ、低ビットレートのビデオを生成することができる。
実験により,低ビットレートでストリーミングされたビデオの知覚品質を高めるためのモデルの有効性が確認された。
論文 参考訳（メタデータ） (2024-01-02T11:46:42Z) - Deep Learning-Based Real-Time Quality Control of Standard Video
Compression for Live Streaming [31.285983939625098]
リアルタイム深層学習に基づくH.264コントローラを提案する。
最小遅延でビデオチャンクの内容に基づいて最適なエンコーダパラメータを推定する。
平均帯域使用量の最大2.5倍の改善を実現している。
論文 参考訳（メタデータ） (2023-11-21T18:28:35Z) - 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) - 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) - 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) - COMISR: Compression-Informed Video Super-Resolution [76.94152284740858]
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。
論文 参考訳（メタデータ） (2021-05-04T01:24:44Z) - Neural Rate Control for Video Encoding using Imitation Learning [15.603639771786927]
ニューラルレート制御ポリシーの学習に模倣学習を適用します。
学習したポリシーはビデオ品質を犠牲にすることなく8.5%の中央値削減を達成している。
論文 参考訳（メタデータ） (2020-12-09T21:59:20Z) - Ultra-low bitrate video conferencing using deep image animation [7.263312285502382]
ビデオ会議のための超低速ビデオ圧縮のための新しい深層学習手法を提案する。
我々はディープニューラルネットワークを用いて、動き情報をキーポイント変位として符号化し、デコーダ側で映像信号を再構成する。
論文 参考訳（メタデータ） (2020-12-01T09:06:34Z) - Conditional Entropy Coding for Efficient Video Compression [82.35389813794372]
本稿では,フレーム間の条件エントロピーをモデル化することのみに焦点を当てた,非常にシンプルで効率的なビデオ圧縮フレームワークを提案する。
まず、画像遅延符号間のエントロピーをモデル化する単純なアーキテクチャが、他のニューラルビデオ圧縮やビデオコーデックと同等の競争力を持つことを示す。
次に、このアーキテクチャの上に新しい内部学習拡張を提案し、復号速度を抑えることなく10%の節約を実現した。
論文 参考訳（メタデータ） (2020-08-20T20:01:59Z) - 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。