論文の概要: The Need for Medically Aware Video Compression in Gastroenterology

• arxiv url: http://arxiv.org/abs/2211.01472v1
• Date: Wed, 2 Nov 2022 20:32:10 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-04 12:59:23.834548
• Title: The Need for Medically Aware Video Compression in Gastroenterology
• Title（参考訳）: 胃腸疾患における医用ビデオ圧縮の必要性
• Authors: Joel Shor and Nick Johnston
• Abstract要約: 胃腸科ビデオにおける古典的コーデックの欠如に関する実証的研究を報告する。 H264 と HEVC の2つの古典的コーデックが,医学的に関係のないフレームよりも統計的に劣っていることを示す。 学習した圧縮機が重要な領域にビットを割り当て、検出性能をより優雅に劣化させる方法について説明する。
• 参考スコア（独自算出の注目度）: 7.859189268421374
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Compression is essential to storing and transmitting medical videos, but the effect of compression on downstream medical tasks is often ignored. Furthermore, systems in practice rely on standard video codecs, which naively allocate bits between medically relevant frames or parts of frames. In this work, we present an empirical study of some deficiencies of classical codecs on gastroenterology videos, and motivate our ongoing work to train a learned compression model for colonoscopy videos. We show that two of the most common classical codecs, H264 and HEVC, compress medically relevant frames statistically significantly worse than medically nonrelevant ones, and that polyp detector performance degrades rapidly as compression increases. We explain how a learned compressor could allocate bits to important regions and allow detection performance to degrade more gracefully. Many of our proposed techniques generalize to medical video domains beyond gastroenterology
• Abstract（参考訳）: 医用ビデオの保存と送信には圧縮が不可欠であるが、下流の医療課題に対する圧縮の効果は無視されることが多い。 さらに、実際には、システムは標準的なビデオコーデックに依存しており、医学的に関連のあるフレームまたはフレームの一部間でビットを割り当てる。 そこで本研究では,胃内視鏡ビデオにおける古典コーデックの欠陥を実証的に検討し,大腸内視鏡ビデオの学習型圧縮モデルを訓練する試みの動機を述べる。 H264 と HEVC の2つの古典的コーデックは, 医用非関連コーデックに比べて, 統計的に有意に低下し, ポリプ検出器の性能は, 圧縮の増加とともに急速に低下することを示した。 学習した圧縮機が重要な領域にビットを割り当て、検出性能を劣化させる方法について説明する。 提案手法の多くは消化器科以外の医療ビデオ領域に一般化されている。

関連論文リスト

• Low-complexity Deep Video Compression with A Distributed Coding Architecture [4.5885672744218]
  一般的な予測符号化に基づくビデオ圧縮手法は、時間的冗長性を低減するために重エンコーダに依存している。 従来の分散コーディング手法は、予測的コーディングとはかなりのパフォーマンスギャップに悩まされている。 本稿では,レート歪み特性を改善するために,最初のエンドツーエンドの分散ビデオ圧縮フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-03-21T05:34:04Z)
• Compressed Vision for Efficient Video Understanding [83.97689018324732]
  本稿では,2時間ビデオの処理が可能なハードウェアを用いて,時間長動画の研究を可能にするフレームワークを提案する。 私たちは、JPEGなどの標準的なビデオ圧縮をニューラル圧縮に置き換え、圧縮されたビデオを通常のビデオネットワークへの入力として直接フィードできることを示します。
  論文  参考訳（メタデータ） (2022-10-06T15:35:49Z)
• Foveation-based Deep Video Compression without Motion Search [43.70396515286677]
  VRで見るビデオのごく一部しか、ユーザーが特定の方向を見つめるときに見ることができないため、ファベーションプロトコルは望ましい。 我々は、ビットの割り当てを指示するフォベーションマスクを生成するFGU(Foveation Generator Unit)を導入することにより、フォベーションを実現する。 我々の新しい圧縮モデルは、Foveated Motionless VIdeo Codec (Foveated MOVI-Codec)と呼ばれ、モーションを計算せずに効率的に動画を圧縮することができる。
  論文  参考訳（メタデータ） (2022-03-30T17:30:17Z)
• 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)
• Microdosing: Knowledge Distillation for GAN based Compression [18.140328230701233]
  そこで本研究では,知識蒸留を利用した画像デコーダの有効化について,元のパラメータ数のごく一部で示す。 これにより、モデルサイズを20倍に削減し、デコード時間の50%削減を実現できます。
  論文  参考訳（メタデータ） (2022-01-07T14:27:16Z)
• 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)
• 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)
• Adversarial Distortion for Learned Video Compression [17.721259583120396]
  副次的対向歪みを最小化する深層対向学習ビデオ圧縮モデルを提案する。 最先端の学習ビデオ圧縮システムを用いた実験では,特に高圧縮下での知覚的アーティファクトの低減と詳細の再構築が実証された。
  論文  参考訳（メタデータ） (2020-04-20T17:06:31Z)
• 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)
• Video Coding for Machines: A Paradigm of Collaborative Compression and Intelligent Analytics [127.65410486227007]
  フレーム全体を圧縮、再構成することを目的としたビデオ符号化と、最も重要な情報のみを保存し、送信する特徴圧縮は、スケールの2つの端に立つ。 最近のビデオ圧縮の急激なトレンド、例えばディープラーニングベースのコーディングツールやエンドツーエンドの画像/ビデオコーディング、MPEG-7のコンパクトな特徴記述子標準などの取り組みは、持続的かつ迅速な開発を促進する。 本稿では,新たな領域であるVCM(Video Coding for Machines)の探索を行う。
  論文  参考訳（メタデータ） (2020-01-10T17:24:13Z)

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。