論文の概要: ICME 2025 Grand Challenge on Video Super-Resolution for Video Conferencing
- arxiv url: http://arxiv.org/abs/2506.12269v1
- Date: Fri, 13 Jun 2025 22:46:27 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-06-17 17:28:45.610206
- Title: ICME 2025 Grand Challenge on Video Super-Resolution for Video Conferencing
- Title（参考訳）: ICME 2025 ビデオ会議における超解像のグランドチャレンジ
- Authors: Babak Naderi, Ross Cutler, Juhee Cho, Nabakumar Khongbantabam, Dejan Ivkovic,
- Abstract要約: 超解像(SR)はコンピュータビジョンにおいて重要な課題であり、低分解能(LR)入力から高分解能(HR)画像を再構成することに焦点を当てている。
Video Super-Resolution (VSR) は、局所的、一方向、双方向の伝搬、あるいは従来のアップスケーリングといった手法を用いて、ビデオ品質を向上させることを目的として、これを時間領域に拡張する。
この課題は、LRビデオが固定QPでH.265でエンコードされる会議のためのVSRに対処する。
目標は、特定の要因によってビデオをアップスケールすることであり、因果関係を用いた低遅延シナリオ下での知覚的品質の向上によるHR出力を提供することである。
- 参考スコア（独自算出の注目度）: 11.461315814208437
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Super-Resolution (SR) is a critical task in computer vision, focusing on reconstructing high-resolution (HR) images from low-resolution (LR) inputs. The field has seen significant progress through various challenges, particularly in single-image SR. Video Super-Resolution (VSR) extends this to the temporal domain, aiming to enhance video quality using methods like local, uni-, bi-directional propagation, or traditional upscaling followed by restoration. This challenge addresses VSR for conferencing, where LR videos are encoded with H.265 at fixed QPs. The goal is to upscale videos by a specific factor, providing HR outputs with enhanced perceptual quality under a low-delay scenario using causal models. The challenge included three tracks: general-purpose videos, talking head videos, and screen content videos, with separate datasets provided by the organizers for training, validation, and testing. We open-sourced a new screen content dataset for the SR task in this challenge. Submissions were evaluated through subjective tests using a crowdsourced implementation of the ITU-T Rec P.910.
- Abstract（参考訳）: 超解像(SR)はコンピュータビジョンにおいて重要な課題であり、低分解能(LR)入力から高分解能(HR)画像を再構成することに焦点を当てている。
この分野は、特にシングルイメージSRにおいて、様々な課題を通じて大きな進歩を遂げてきた。
Video Super-Resolution (VSR) は、局所的、一方向、双方向の伝搬、あるいは従来のアップスケーリングといった手法を用いて、ビデオ品質を向上させることを目的として、これを時間領域に拡張する。
この課題は、LRビデオが固定QPでH.265でエンコードされる会議のためのVSRに対処する。
目標は、特定の要因によってビデオをアップスケールすることであり、因果モデルを使用して低遅延シナリオ下で知覚品質を向上したHR出力を提供することである。
課題には、汎用ビデオ、トーキングヘッドビデオ、スクリーンコンテンツビデオの3つのトラックが含まれ、トレーニング、検証、テストのためにオーガナイザが提供した別のデータセットが含まれている。
この課題に対して、SRタスクのための新しいスクリーンコンテンツデータセットをオープンソースにしました。
ITU-T Rec P.910のクラウドソース実装を用いて、主観的な試験により提出品の評価を行った。
関連論文リスト
- RepNet-VSR: Reparameterizable Architecture for High-Fidelity Video Super-Resolution [12.274092278786966]
リアルタイム4xビデオ超解像のためのReizable Architecture for High Fidelity Video Super resolution method(RepNet-VSR)を提案する。
提案モデルでは,MediaTek Dimensity NPU上で180pから720pのPSNRを103ms/103msで処理することで,27.79dBのPSNRを実現する。
論文 参考訳（メタデータ） (2025-04-22T07:15:07Z) - SALOVA: Segment-Augmented Long Video Assistant for Targeted Retrieval and Routing in Long-Form Video Analysis [52.050036778325094]
本稿では,SALOVA: Segment-Augmented Video Assistantを紹介する。
87.8Kビデオの高品質なコレクションをセグメントレベルで高密度にキャプションし、シーンの連続性を捕捉し、リッチなコンテキストを維持する。
本フレームワークは,クエリに応答して,関連ビデオセグメントの正確な識別と検索を可能にすることで,現在のビデオLMMの限界を緩和する。
論文 参考訳（メタデータ） (2024-11-25T08:04:47Z) - RTSR: A Real-Time Super-Resolution Model for AV1 Compressed Content [10.569678424799616]
超解像度(SR)は、映像コンテンツの視覚的品質を改善するための重要な技術である。
リアルタイム再生をサポートするためには,高速SRモデルの実装が重要である。
本稿では,圧縮映像の視覚的品質を高めるために,低複雑さSR手法RTSRを提案する。
論文 参考訳（メタデータ） (2024-11-20T14:36:06Z) - Reference-based Image and Video Super-Resolution via C2-Matching [100.0808130445653]
本稿では,C2-Matchingを提案する。
C2-Matchingは、標準的なCUFED5ベンチマークにおいて、最先端のアーツを著しく上回っている。
また、類似シーンで撮影された画像がHR参照画像として機能するため、C2-Matchingを参照ベースでビデオスーパーリゾリューションタスクに拡張する。
論文 参考訳（メタデータ） (2022-12-19T16:15:02Z) - HSTR-Net: High Spatio-Temporal Resolution Video Generation For Wide Area
Surveillance [4.125187280299246]
本稿では,HSTRビデオ生成における複数のビデオフィードの利用について述べる。
主な目的は、HSLFとLSHFビデオの融合によるHSTRビデオを作成することである。
論文 参考訳（メタデータ） (2022-04-09T09:23:58Z) - NTIRE 2021 Challenge on Video Super-Resolution [103.59395980541574]
Super-Resolution (SR) はコンピュータビジョンタスクであり、与えられた低解像度の画像から高解像度のクリーンイメージを得る。
本稿では,NTIRE Challenge on Video Super-Resolutionをレビューする。
論文 参考訳（メタデータ） (2021-04-30T09:12:19Z) - AIM 2020 Challenge on Video Extreme Super-Resolution: Methods and
Results [96.74919503142014]
本稿では,ECCV 2020におけるAIM 2020ワークショップに関連する超高解像度映像についてレビューする。
トラック1は、PSNRとSSIMによって基底真理への忠実度を測定するような要求されたタスクの最先端度を測定するために設定される。
トラック2は、人間の知覚に応じてランク付けされた視覚的に満足な結果を生成することを目的としており、ユーザスタディによって評価されている。
論文 参考訳（メタデータ） (2020-09-14T09:36:25Z)
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。