論文の概要: Bit-depth enhancement detection for compressed video
- arxiv url: http://arxiv.org/abs/2211.04799v1
- Date: Wed, 9 Nov 2022 10:46:34 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-10 18:08:52.194261
- Title: Bit-depth enhancement detection for compressed video
- Title（参考訳）: 圧縮映像のビット深さ強調検出
- Authors: Nickolay Safonov, Dmitriy Vatolin
- Abstract要約: 圧縮前に映像が変換されるかどうかを判定するアルゴリズムを提案する。
提案アルゴリズムは,ビット深度向上を検知し,優れた一般化能力を示す。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In recent years, display intensity and contrast have increased considerably.
Many displays support high dynamic range (HDR) and 10-bit color depth. Since
high bit-depth is an emerging technology, video content is still largely shot
and transmitted with a bit depth of 8 bits or less per color component.
Insufficient bit-depths produce distortions called false contours or banding,
and they are visible on high contrast screens. To deal with such distortions,
researchers have proposed algorithms for bit-depth enhancement
(dequantization). Such techniques convert videos with low bit-depth (LBD) to
videos with high bit-depth (HBD). The quality of converted LBD video, however,
is usually lower than that of the original HBD video, and many consumers prefer
to keep the original HBD versions. In this paper, we propose an algorithm to
determine whether a video has undergone conversion before compression. This
problem is complex; it involves detecting outcomes of different dequantization
algorithms in the presence of compression that strongly affects the
least-significant bits (LSBs) in the video frames. Our algorithm can detect
bit-depth enhancement and demonstrates good generalization capability, as it is
able to determine whether a video has undergone processing by dequantization
algorithms absent from the training dataset.
- Abstract（参考訳）: 近年,表示強度とコントラストが大幅に向上している。
多くのディスプレイはハイダイナミックレンジ(HDR)と10ビット色深度をサポートしている。
ハイビット深度は新興技術であるため、ビデオコンテンツは依然としてほとんど撮影され、色成分ごとに8ビット以下のビット深さで送信される。
十分でないビット深度は偽輪郭やバンドリングと呼ばれる歪みを生じさせ、高コントラストスクリーンで見ることができる。
このような歪みに対処するため、研究者はビット深度向上のためのアルゴリズムを提案している。
このような技術は低ビット深度動画(LBD)を高ビット深度動画(HBD)に変換する。
しかし、変換されたLBDビデオの品質は通常、オリジナルのHBDビデオよりも低く、多くの消費者はオリジナルのHBDバージョンを維持することを好んでいる。
本稿では,圧縮前に映像が変換されるかどうかを判定するアルゴリズムを提案する。
この問題は複雑であり、ビデオフレーム内の最小ビット(LSB)に強く影響を及ぼす圧縮が存在する場合、異なる復号化アルゴリズムの結果を検出する。
本アルゴリズムは、トレーニングデータセットにない非量子化アルゴリズムにより、映像が処理されているかどうかを判定できるため、ビット深度拡張を検出でき、良好な一般化能力を示す。
関連論文リスト
- BVI-CR: A Multi-View Human Dataset for Volumetric Video Compression [14.109939177281069]
BVI-CRは18のマルチビューRGB-Dキャプチャとそれに対応するテクスチャ化された多角形メッシュを含んでいる。
各ビデオシーケンスは、30FPSで10～15秒間の1080p解像度で10ビューを含む。
その結果、ボリュームビデオ圧縮におけるニューラル表現に基づく手法の大きな可能性を示した。
論文 参考訳（メタデータ） (2024-11-17T23:22:48Z) - Learning Lossless Compression for High Bit-Depth Volumetric Medical Image [61.740026014860256]
本稿では,高ビット深度医用ボリューム圧縮に適したBit-DivisionベースのLosless Volumetric Image Compressionフレームワークを提案する。
BD-LVICフレームワークは、高ビット深度を2つの下位ビット深度セグメント(MSBV)とLast Significant Bit-Volume(LSBV)に巧みに分割する。
論文 参考訳（メタデータ） (2024-10-23T12:18:36Z) - Super Efficient Neural Network for Compression Artifacts Reduction and
Super Resolution [2.0762623979470205]
本稿では,人工物削減と超解像を同時に行う軽量畳み込みニューラルネットワーク(CNN)に基づくアルゴリズムを提案する。
その結果,従来のアップスケーリング手法と比較して,ビデオマルチメソッド評価融合(VMAF)スコアが4～6増加していた。
論文 参考訳（メタデータ） (2024-01-26T04:11:14Z) - VVC Extension Scheme for Object Detection Using Contrast Reduction [0.0]
Versatile Video Coding (VVC) を用いたオブジェクト検出のためのビデオ符号化の拡張方式を提案する。
提案方式では,元の画像のサイズとコントラストを小さくし,VVCエンコーダで符号化して高圧縮性能を実現する。
実験結果から,提案手法はオブジェクト検出精度の点で,通常のVVCよりも優れた符号化性能が得られることがわかった。
論文 参考訳（メタデータ） (2023-05-30T06:29:04Z) - Learning Weighting Map for Bit-Depth Expansion within a Rational Range [64.15915577164894]
ビット深化(BDE)は、低ビット深化(LBD)ソースから高ビット深化(HBD)画像を表示する新興技術の1つである。
既存のBDEメソッドは、様々なBDE状況に対して統一的なソリューションを持っていない。
我々は,各画素の重みを求めるためにビット復元ネットワーク(BRNet)を設計し,補充値の比率を合理的範囲内で示す。
論文 参考訳（メタデータ） (2022-04-26T02:27:39Z) - 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) - Deep Contextual Video Compression [20.301569390401102]
本稿では,予測符号化から条件付き符号化へのパラダイムシフトを実現するための,深い文脈ビデオ圧縮フレームワークを提案する。
提案手法は従来のSOTA(State-of-theart)ディープビデオ圧縮法よりも大幅に優れる。
論文 参考訳（メタデータ） (2021-09-30T12:14:24Z) - Multi-Density Attention Network for Loop Filtering in Video Compression [9.322800480045336]
ビデオ圧縮におけるループフィルタリングのためのオンラインスケーリングに基づく多密度注意ネットワークを提案する。
実験の結果、同じビデオ品質で10.18%のビットレート削減が最新のVVC(Versatile Video Coding)規格で達成できることが示された。
論文 参考訳（メタデータ） (2021-04-08T05:46:38Z) - 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) - BBAND Index: A No-Reference Banding Artifact Predictor [55.42929350861115]
バンディングアーティファクト(英: Banding artifact)または偽コントゥーリング(英: false contouring)は、一般的なビデオ圧縮障害である。
本稿では,Blind BANding Detector (BBAND index) と呼ばれる,歪み特異的な非参照ビデオ品質モデルを提案する。
論文 参考訳（メタデータ） (2020-02-27T03:05:26Z) - A Foreground-background Parallel Compression with Residual Encoding for
Surveillance Video [46.49202082648197]
本稿では,ビデオの前景と背景を別々に抽出・圧縮するビデオ圧縮手法を提案する。
提案手法では、HECVデータセット上で同じPSNR(36dB)を達成するために、従来のアルゴリズムであるH.265より69.5%少ないbpp (bits per pixel) を必要とする。
論文 参考訳（メタデータ） (2020-01-18T03:35:00Z)
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。