論文の概要: UCVC: A Unified Contextual Video Compression Framework with Joint
P-frame and B-frame Coding
- arxiv url: http://arxiv.org/abs/2402.01289v1
- Date: Fri, 2 Feb 2024 10:25:39 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-05 16:05:10.209061
- Title: UCVC: A Unified Contextual Video Compression Framework with Joint
P-frame and B-frame Coding
- Title（参考訳）: ucvc - p-frame と b-frame を併用した統合コンテクストビデオ圧縮フレームワーク
- Authors: Jiayu Yang, Wei Jiang, Yongqi Zhai, Chunhui Yang, Ronggang Wang
- Abstract要約: 本稿では,第6回学習画像圧縮チャレンジ(CLIC)のビデオ圧縮トラックに対する学習ビデオ圧縮手法を提案する。
共同PフレームおよびBフレーム符号化のための統合文脈ビデオ圧縮フレームワーク(UCVC)を提案する。
- 参考スコア（独自算出の注目度）: 29.44234507064189
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: This paper presents a learned video compression method in response to video
compression track of the 6th Challenge on Learned Image Compression (CLIC), at
DCC 2024.Specifically, we propose a unified contextual video compression
framework (UCVC) for joint P-frame and B-frame coding. Each non-intra frame
refers to two neighboring decoded frames, which can be either both from the
past for P-frame compression, or one from the past and one from the future for
B-frame compression. In training stage, the model parameters are jointly
optimized with both P-frames and B-frames. Benefiting from the designs, the
framework can support both P-frame and B-frame coding and achieve comparable
compression efficiency with that specifically designed for P-frame or
B-frame.As for challenge submission, we report the optimal compression
efficiency by selecting appropriate frame types for each test sequence. Our
team name is PKUSZ-LVC.
- Abstract（参考訳）: 本稿では,dcc 2024において,第6回学習画像圧縮(clic)チャレンジの映像圧縮トラックに応答して,学習映像圧縮手法を提案する。
それぞれの非イントラフレームは、2つの隣り合うデコードされたフレームを指しており、これはpフレーム圧縮では過去から、またはbフレーム圧縮では未来からのどちらかである。
トレーニング段階では、モデルパラメータはPフレームとBフレームの両方で共同最適化される。
この設計の利点により、フレームワークはpフレームとbフレームの両方のコーディングをサポートし、pフレームまたはbフレーム用に特別に設計されたものと同等の圧縮効率を達成することができる。
チーム名はPKUSZ-LVC。
関連論文リスト
- IBVC: Interpolation-driven B-frame Video Compression [68.18440522300536]
Bフレームビデオ圧縮は、双方向動作推定と動き補償(MEMC)符号化をミドルフレーム再構成に適用することを目的としている。
従来の学習アプローチでは、しばしば双方向の光フロー推定に依存するニューラルネットワークのPフレームコーデックをBフレームに直接拡張する。
これらの問題に対処するために,IBVC (Interpolation-B-frame Video Compression) という単純な構造を提案する。
論文 参考訳（メタデータ） (2023-09-25T02:45:51Z) - Rerender A Video: Zero-Shot Text-Guided Video-to-Video Translation [93.18163456287164]
本稿では,動画に画像モデルを適用するための新しいテキスト誘導型動画翻訳フレームワークを提案する。
我々のフレームワークは,グローバルなスタイルと局所的なテクスチャの時間的一貫性を低コストで実現している。
論文 参考訳（メタデータ） (2023-06-13T17:52:23Z) - Advancing Learned Video Compression with In-loop Frame Prediction [177.67218448278143]
本稿では,ループ内フレーム予測モジュールを用いたALVC(Advanced Learned Video Compression)アプローチを提案する。
予測フレームは、以前圧縮されたフレームよりも優れた参照として機能し、圧縮性能の恩恵を受けることができる。
本実験は,学習ビデオ圧縮におけるALVC手法の最先端性能を示すものである。
論文 参考訳（メタデータ） (2022-11-13T19:53:14Z) - B-CANF: Adaptive B-frame Coding with Conditional Augmented Normalizing
Flows [11.574465203875342]
この研究は、Bフレーム符号化のための条件付き拡張正規化フローを利用する、B-CANFと呼ばれる新しいBフレームコーディングフレームワークを導入する。
B-CANFはまた、フレーム型適応符号化とB*フレームという2つの新しい要素も備えている。
論文 参考訳（メタデータ） (2022-09-05T05:28:19Z) - Inter-Frame Compression for Dynamic Point Cloud Geometry Coding [14.79613731546357]
本稿では,従来のフレームを用いて,現在のフレームの潜在表現を予測する圧縮手法を提案する。
提案するネットワークは,階層型マルチスケール3次元特徴学習による畳み込みを利用して,現在のフレームを符号化する。
提案手法は, G-PCCv20 Octreeに対して88%以上のBD-Rate (Bjontegaard Delta Rate)削減を実現する。
論文 参考訳（メタデータ） (2022-07-25T22:17:19Z) - 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) - Extending Neural P-frame Codecs for B-frame Coding [15.102346715690755]
当社のB-frameソリューションは、既存のP-frameメソッドに基づいています。
提案手法を既存のPフレームで使用することにより,UVGデータセットのビットレートを28.5%削減できることを示す。
論文 参考訳（メタデータ） (2021-03-30T21:25:35Z) - 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) - Learning for Video Compression with Hierarchical Quality and Recurrent
Enhancement [164.7489982837475]
本稿では,階層型ビデオ圧縮(HLVC)手法を提案する。
我々のHLVCアプローチでは、エンコーダ側とデコーダ側の低品質フレームの圧縮と強化を容易にするため、階層的品質は符号化効率の恩恵を受ける。
論文 参考訳（メタデータ） (2020-03-04T09:31:37Z)
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。