論文の概要: 3R-INN: How to be climate friendly while consuming/delivering videos?

• arxiv url: http://arxiv.org/abs/2403.11760v1
• Date: Mon, 18 Mar 2024 13:14:30 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-20 20:29:45.112936
• Title: 3R-INN: How to be climate friendly while consuming/delivering videos?
• Title（参考訳）: 3R-INN: 動画を消費/配信しながら、どのように気候に優しいか?
• Authors: Zoubida Ameur, Claire-Hélène Demarty, Daniel Menard, Olivier Le Meur,
• Abstract要約: 3R-INNは3つのタスクを同時に実行します。高解像度のグレーン画像が与えられたら、それを低解像度にスケールし、フィルムグレーンを除去し、表示時に消費電力を削減します。 3R-INNはまた、その可逆性と高周波の歪みにより、高解像度のグレーン画像またはグレーンフリー版を復元する可能性も提供する。
• 参考スコア（独自算出の注目度）: 2.676150897272156
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: The consumption of a video requires a considerable amount of energy during the various stages of its life-cycle. With a billion hours of video consumed daily, this contributes significantly to the greenhouse gas emission. Therefore, reducing the end-to-end carbon footprint of the video chain, while preserving the quality of experience at the user side, is of high importance. To contribute in an impactful manner, we propose 3R-INN, a single light invertible network that does three tasks at once: given a high-resolution grainy image, it Rescales it to a lower resolution, Removes film grain and Reduces its power consumption when displayed. Providing such a minimum viable quality content contributes to reducing the energy consumption during encoding, transmission, decoding and display. 3R-INN also offers the possibility to restore either the high-resolution grainy original image or a grain-free version, thanks to its invertibility and the disentanglement of the high frequency, and without transmitting auxiliary data. Experiments show that, while enabling significant energy savings for encoding (78%), decoding (77%) and rendering (5% to 20%), 3R-INN outperforms state-of-the-art film grain synthesis and energy-aware methods and achieves state-of-the-art performance on the rescaling task on different test-sets.
• Abstract（参考訳）: ビデオの消費は、そのライフサイクルの様々な段階でかなりのエネルギーを必要とする。 毎日10億時間のビデオが消費され、温室効果ガスの排出に大きく貢献する。 したがって、ビデオチェーンの端から端までのカーボンフットプリントを減らすことは、ユーザ側の体験の質を保ちながら、非常に重要である。 3R-INNは,高解像度の粒度画像が与えられた場合,それを低解像度に再スケールし,フィルムグレーンを除去し,表示時の消費電力を低減させる。 このような最小限の有効品質のコンテンツを提供することは、符号化、伝送、復号化、表示時のエネルギー消費を減らすことに寄与する。 3R-INNはまた、その可逆性と高周波の絡み合いのおかげで、高解像度のグレーン画像またはグレーンフリー版を復元でき、補助データを送信しない。 実験により、符号化(78%)、復号化(77%)、レンダリング(5%から20%)でかなりの省エネ効果が得られたが、3R-INNは最先端のフィルム粒子合成およびエネルギ認識法より優れ、異なるテストセット上の再スケーリングタスクにおける最先端のパフォーマンスが達成された。

関連論文リスト

• TeTriRF: Temporal Tri-Plane Radiance Fields for Efficient Free-Viewpoint Video [47.82392246786268]
  テンポラルトリプレーン放射場(TeTriRF)は、自由視点ビデオ(FVV)の記憶容量を大幅に削減する新しい技術である。 TeTriRFは三面体とボクセルグリッドとのハイブリッド表現を導入し、長周期シーケンスやシーンのスケーリングをサポートする。 本研究では,高いトレーニング効率を実現し,時間的に一貫した低エントロピーシーン表現を実現するためのグループトレーニング手法を提案する。
  論文  参考訳（メタデータ） (2023-12-10T23:00:24Z)
• VCISR: Blind Single Image Super-Resolution with Video Compression Synthetic Data [18.877077302923713]
  本稿では,映像圧縮に基づく劣化モデルを用いて,ブラインドSISRタスクにおける低解像度画像データを合成する。 提案手法は既存の画像データセットに適用可能である。 SISR分解モデルにビデオ符号化アーティファクトを導入することで、ニューラルネットワークは、ビデオ圧縮劣化を復元する機能を備えた、画像の超解凍を可能にする。
  論文  参考訳（メタデータ） (2023-11-02T05:24:19Z)
• Reconstructive Latent-Space Neural Radiance Fields for Efficient 3D Scene Representations [34.836151514152746]
  本研究では,自動エンコーダとNeRFを組み合わせることで,遅延特徴を描画し,畳み込み復号する手法を提案する。 結果として、潜在空間のNeRFは、標準色空間のNeRFよりも高品質で新しいビューを生成することができる。 AEアーキテクチャを小さくすることで効率と画質のトレードオフを制御でき、性能をわずかに低下させるだけで13倍以上高速なレンダリングを実現できます。
  論文  参考訳（メタデータ） (2023-10-27T03:52:08Z)
• Towards Scalable Neural Representation for Diverse Videos [68.73612099741956]
  Inlicit Neural representations (INR)は、3Dシーンや画像の表現において注目を集めている。 既存のINRベースの手法は、冗長な視覚コンテンツを持つ短いビデオの符号化に限られている。 本稿では,多種多様な視覚コンテンツを持つ長編・多作ビデオの符号化のためのニューラル表現の開発に焦点をあてる。
  論文  参考訳（メタデータ） (2023-03-24T16:32:19Z)
• SteerNeRF: Accelerating NeRF Rendering via Smooth Viewpoint Trajectory [20.798605661240355]
  本稿では,2次元ニューラルネットワークを用いたレンダリングの高速化手法を提案する。 まず、ボリュームレンダリングにより低解像度の特徴マップを描画し、続いて、軽量な2Dニューラルを適用して、目標解像度で画像を生成する。 提案手法は,メモリオーバーヘッドを少なくしてレンダリング時間を短縮し,メモリフットプリントの少ない1080P画像解像度で30FPSを実現することで,競争力のあるレンダリング品質を実現することができることを示す。
  論文  参考訳（メタデータ） (2022-12-15T00:02:36Z)
• Scalable Neural Video Representations with Learnable Positional Features [73.51591757726493]
  我々は,学習可能な位置特徴(NVP)を用いて,映像を潜時符号として効果的に再生するニューラル表現の訓練方法を示す。 一般的なUVGベンチマークにおけるNVPの優位性を実証し,先行技術と比較して,NVPは2倍の速度(5分以内)で走行するだけでなく,符号化品質も34.07rightarrow$34.57(PSNR測定値で測定)に上回っている。
  論文  参考訳（メタデータ） (2022-10-13T08:15:08Z)
• Analysis of the Effect of Low-Overhead Lossy Image Compression on the Performance of Visual Crowd Counting for Smart City Applications [78.55896581882595]
  画像圧縮技術は画像の品質を低下させ、精度を低下させる。 本稿では,低オーバヘッド損失画像圧縮法の適用が視覚的群集カウントの精度に与える影響を解析する。
  論文  参考訳（メタデータ） (2022-07-20T19:20:03Z)
• Deep Parametric 3D Filters for Joint Video Denoising and Illumination Enhancement in Video Super Resolution [96.89588203312451]
  本稿では,Deep Parametric 3D Filters (DP3DF) と呼ばれる新しいパラメトリック表現を提案する。 DP3DFは、ローカル情報を組み込んで、単一エンコーダ/デコーダネットワークにおいて、同時復調、照明強化、SRを効率的に実現している。 また、動的残留フレームを共有バックボーンを介してDP3DFと共同で学習し、SR品質をさらに向上させる。
  論文  参考訳（メタデータ） (2022-07-05T03:57:25Z)
• 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)
• Encoding in the Dark Grand Challenge: An Overview [60.9261003831389]
  低照度映像シーケンスの符号化に関するグランドチャレンジを提案する。 VVCは、エンコーディングに先立って単にビデオソースをデノベートするよりも高いパフォーマンスを達成する。 後処理画像強調法を用いることで、ビデオストリームの品質をさらに向上することができる。
  論文  参考訳（メタデータ） (2020-05-07T08:22:56Z)

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。