論文の概要: Region of Interest (ROI) based adaptive cross-layer system for real-time video streaming over Vehicular Ad-hoc NETworks (VANETs)

• arxiv url: http://arxiv.org/abs/2311.02656v1
• Date: Sun, 5 Nov 2023 13:56:04 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-07 16:27:58.615449
• Title: Region of Interest (ROI) based adaptive cross-layer system for real-time video streaming over Vehicular Ad-hoc NETworks (VANETs)
• Title（参考訳）: Vehicular Ad-hoc NETworks (VANETs)上のリアルタイムビデオストリーミングのためのROIに基づく適応型クロスレイヤーシステム
• Authors: Mohamed Aymen Labiod, Mohamed Gharbi, Fran\c{c}ois-Xavier Coudoux, and Patrick Corlay
• Abstract要約: 本稿では,車載環境下でのエンドツーエンドの映像伝送品質を向上させるアルゴリズムを提案する。 提案した低複雑性ソリューションは、関心のあるシーン領域に最優先する。 現実的なVANETシミュレーションの結果、HEVC圧縮ビデオ通信では、提案システムはROI部に最大11dBのPSNRゲインを提供する。
• 参考スコア（独自算出の注目度）: 2.2124180701409233
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Nowadays, real-time vehicle applications increasingly rely on video acquisition and processing to detect or even identify vehicles and obstacles in the driving environment. In this letter, we propose an algorithm that allows reinforcing these operations by improving end-to-end video transmission quality in a vehicular context. The proposed low complexity solution gives highest priority to the scene regions of interest (ROI) on which the perception of the driving environment is based on. This is done by applying an adaptive cross-layer mapping of the ROI visual data packets at the IEEE 802.11p MAC layer. Realistic VANET simulation results demonstrate that for HEVC compressed video communications, the proposed system offers PSNR gains up to 11dB on the ROI part.
• Abstract（参考訳）: 現在、リアルタイム車両アプリケーションは、運転環境における車両や障害物の検出や識別のために、ビデオ取得や処理に依存するようになっている。 本稿では,車載環境下での映像伝送品質の向上により,これらの操作の強化を可能にするアルゴリズムを提案する。 提案する低複雑性ソリューションは,運転環境の認識に基づく関心領域(roi)に対して,最も優先度の高い優先度を与える。 これは、IEEE 802.11p MAC層におけるROI視覚データパケットの適応的な層間マッピングを適用することで実現される。 現実的なVANETシミュレーションの結果、HEVC圧縮ビデオ通信では、提案システムはROI部に最大11dBのPSNRゲインを提供する。

関連論文リスト

• GITSR: Graph Interaction Transformer-based Scene Representation for Multi Vehicle Collaborative Decision-making [9.910230703889956]
  本研究では,交通状態の空間的相互作用の効率的な表現とモデル化に焦点を当てた。 本研究では,グラフインタラクショントランスフォーマに基づくシーン表現のための効果的なフレームワークであるGITSRを提案する。
  論文  参考訳（メタデータ） (2024-11-03T15:27:26Z)
• Efficient Driving Behavior Narration and Reasoning on Edge Device Using Large Language Models [16.532357621144342]
  大規模言語モデル(LLM)は、人間の知覚と同じような精度で、運転シーンや行動を記述することができる。 エッジデバイスにLLMを適用した運転行動ナレーションと推論フレームワークを提案する。 実験により,エッジデバイスに展開したLCMは,応答速度が良好であることが確認された。
  論文  参考訳（メタデータ） (2024-09-30T15:03:55Z)
• A Holistic Framework Towards Vision-based Traffic Signal Control with Microscopic Simulation [53.39174966020085]
  交通信号制御(TSC)は交通渋滞を低減し、交通の流れを円滑にし、アイドリング時間を短縮し、CO2排出量を減らすために重要である。 本研究では,道路交通の流れを視覚的観察によって調節するTSCのコンピュータビジョンアプローチについて検討する。 我々は、視覚ベースのTSCとそのベンチマークに向けて、TrafficDojoと呼ばれる総合的なトラフィックシミュレーションフレームワークを導入する。
  論文  参考訳（メタデータ） (2024-03-11T16:42:29Z)
• Deep Perspective Transformation Based Vehicle Localization on Bird's Eye View [0.49747156441456597]
  従来のアプローチでは、環境をシミュレートする複数のセンサーのインストールに依存していた。 シーンのトップダウン表現を生成することで、代替ソリューションを提案する。 本稿では,RGB画像の視点ビューを,周囲の車両を分割した鳥眼ビューマップに変換するアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2023-11-12T10:16:42Z)
• Cross-layer scheme for low latency multiple description video streaming over Vehicular Ad-hoc NETworks (VANETs) [2.2124180701409233]
  HEVC標準はリアルタイムビデオストリーミングに非常に有望だ。 新しい最先端のビデオ符号化(HEVC)標準は、リアルタイムビデオストリーミングに非常に有望である。 本稿では,車載通信における映像品質を向上させるために,独自のクロスレイヤーシステムを提案する。
  論文  参考訳（メタデータ） (2023-11-05T14:34:58Z)
• A novel efficient Multi-view traffic-related object detection framework [17.50049841016045]
  我々は,多視点ビデオデータを用いた効率的な物体検出を実現するために,CEVASという新しいトラフィック関連フレームワークを提案する。 その結果,本フレームワークは,最先端手法と同じ検出精度を達成しつつ,応答遅延を著しく低減することがわかった。
  論文  参考訳（メタデータ） (2023-02-23T06:42:37Z)
• Deep Learning Computer Vision Algorithms for Real-time UAVs On-board Camera Image Processing [77.34726150561087]
  本稿では,ディープラーニングに基づくコンピュータビジョンアルゴリズムを用いて,小型UAVのリアルタイムセンサ処理を実現する方法について述べる。 すべてのアルゴリズムは、ディープニューラルネットワークに基づく最先端の画像処理手法を用いて開発されている。
  論文  参考訳（メタデータ） (2022-11-02T11:10:42Z)
• Road Network Guided Fine-Grained Urban Traffic Flow Inference [108.64631590347352]
  粗いトラフィックからのきめ細かなトラフィックフローの正確な推測は、新たな重要な問題である。 本稿では,道路ネットワークの知識を活かした新しい道路対応交通流磁化器(RATFM)を提案する。 提案手法は,高品質なトラフィックフローマップを作成できる。
  論文  参考訳（メタデータ） (2021-09-29T07:51:49Z)
• Learning Cross-modal Contrastive Features for Video Domain Adaptation [138.75196499580804]
  本稿では、クロスモーダルとクロスドメインの特徴表現を同時に正規化する、ビデオドメイン適応のための統合フレームワークを提案する。 具体的には、ドメインの各モダリティを視点として扱い、コントラスト学習手法を適切に設計されたサンプリング戦略で活用する。
  論文  参考訳（メタデータ） (2021-08-26T18:14:18Z)
• Attention-based Neural Network for Driving Environment Complexity Perception [123.93460670568554]
  本稿では,周囲の運転環境の複雑さを予測するための,注目に基づく新しいニューラルネットワークモデルを提案する。 Yolo-v3オブジェクト検出アルゴリズム、ヒートマップ生成アルゴリズム、CNNベースの特徴抽出器、注目ベースの特徴抽出器で構成される。 提案するアテンションベースネットワークは,周囲環境の複雑さを分類する平均分類精度91.22%を達成している。
  論文  参考訳（メタデータ） (2021-06-21T17:27:11Z)
• Cycle and Semantic Consistent Adversarial Domain Adaptation for Reducing Simulation-to-Real Domain Shift in LiDAR Bird's Eye View [110.83289076967895]
  ドメイン適応プロセス中に関心のある小さなオブジェクトの情報を保存するために,事前の意味分類を用いたサイクガンに基づくbevドメイン適応法を提案する。 生成したBEVの品質は,KITTI 3D Object Detection Benchmarkの最先端3Dオブジェクト検出フレームワークを用いて評価されている。
  論文  参考訳（メタデータ） (2021-04-22T12:47:37Z)

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。