論文の概要: Precision-Aware Video Compression for Reducing Bandwidth Requirements in Video Communication for Vehicle Detection-Based Applications
- arxiv url: http://arxiv.org/abs/2508.02533v1
- Date: Mon, 04 Aug 2025 15:41:52 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-05 18:25:22.41195
- Title: Precision-Aware Video Compression for Reducing Bandwidth Requirements in Video Communication for Vehicle Detection-Based Applications
- Title（参考訳）: 車両検出に基づくビデオ通信における帯域要求低減のための高精度ビデオ圧縮
- Authors: Abyad Enan, Jon C Calhoun, Mashrur Chowdhury,
- Abstract要約: 本稿では,PAVC(Precision-Aware Video Compression)というフレームワークを紹介する。
PAVCは、現在の天気や照明条件に基づいて映像圧縮レベルを動的に調整し、車両検出精度を維持する。
その結果,PAVCは車両検出精度を最大13%向上し,通信帯域幅が適度なエリアでは最大8.23倍削減できることがわかった。
- 参考スコア（独自算出の注目度）: 3.7819047637512573
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Computer vision has become a popular tool in intelligent transportation systems (ITS), enabling various applications through roadside traffic cameras that capture video and transmit it in real time to computing devices within the same network. The efficiency of this video transmission largely depends on the available bandwidth of the communication system. However, limited bandwidth can lead to communication bottlenecks, hindering the real-time performance of ITS applications. To mitigate this issue, lossy video compression techniques can be used to reduce bandwidth requirements, at the cost of degrading video quality. This degradation can negatively impact the accuracy of applications that rely on real-time vehicle detection. Additionally, vehicle detection accuracy is influenced by environmental factors such as weather and lighting conditions, suggesting that compression levels should be dynamically adjusted in response to these variations. In this work, we utilize a framework called Precision-Aware Video Compression (PAVC), where a roadside video camera captures footage of vehicles on roadways, compresses videos, and then transmits them to a processing unit, running a vehicle detection algorithm for safety-critical applications, such as real-time collision risk assessment. The system dynamically adjusts the video compression level based on current weather and lighting conditions to maintain vehicle detection accuracy while minimizing bandwidth usage. Our results demonstrate that PAVC improves vehicle detection accuracy by up to 13% and reduces communication bandwidth requirements by up to 8.23x in areas with moderate bandwidth availability. Moreover, in locations with severely limited bandwidth, PAVC reduces bandwidth requirements by up to 72x while preserving vehicle detection performance.
- Abstract（参考訳）: コンピュータビジョンはインテリジェントトランスポートシステム(ITS)において一般的なツールとなり、ロードサイドの交通カメラを通じて様々なアプリケーションが同じネットワーク内のコンピュータデバイスにリアルタイムで映像をキャプチャして送信することができるようになった。
このビデオ伝送の効率は、通信システムの利用可能な帯域幅に大きく依存する。
しかし、帯域幅が限られると通信のボトルネックが発生し、ITSアプリケーションのリアルタイム性能が損なわれる。
この問題を緩和するために、ビデオ品質の劣化を犠牲にして、帯域幅の要求を減らすために、損失のあるビデオ圧縮技術を用いることができる。
この劣化は、リアルタイム車両検出に依存するアプリケーションの精度に悪影響を及ぼす可能性がある。
さらに、車両検出精度は、天候や照明条件などの環境要因の影響を受けており、これらの変動に応じて圧縮レベルを動的に調整する必要があることを示唆している。
本研究では,PAVC(Precision-Aware Video Compression)というフレームワークを用いて,道路上の車両の映像を撮影し,映像を圧縮し,その映像を処理ユニットに送信する。
このシステムは、現在の天気や照明条件に基づいて映像圧縮レベルを動的に調整し、帯域幅を最小化しながら車両検出精度を維持する。
その結果,PAVCは車両検出精度を最大13%向上し,通信帯域幅が適度なエリアでは最大8.23倍削減できることがわかった。
さらに、帯域幅が著しく制限された場所では、PAVCは車両検出性能を保ちながら、帯域幅を最大72倍に削減する。
関連論文リスト
- FCA2: Frame Compression-Aware Autoencoder for Modular and Fast Compressed Video Super-Resolution [68.77813885751308]
最先端(SOTA)圧縮ビデオ超解像(CVSR)モデルは、長期の推論時間、複雑なトレーニングパイプライン、補助情報への依存など、永続的な課題に直面している。
ハイパースペクトル画像(HSI)とビデオデータの構造的および統計的類似性から着想を得た,効率的でスケーラブルなソリューションを提案する。
提案手法では,計算複雑性を低減し,推論を高速化し,フレーム間の時間情報の抽出を促進する圧縮駆動型次元減少戦略を導入する。
論文 参考訳（メタデータ） (2025-06-13T07:59:52Z) - Plug-and-Play Versatile Compressed Video Enhancement [57.62582951699999]
ビデオ圧縮はファイルのサイズを効果的に削減し、リアルタイムのクラウドコンピューティングを可能にする。
しかし、それは視覚的品質の犠牲となり、下流の視覚モデルの堅牢性に挑戦する。
本稿では,異なる圧縮条件下で動画を適応的に拡張する多言語対応拡張フレームワークを提案する。
論文 参考訳（メタデータ） (2025-04-21T18:39:31Z) - Embedding Compression Distortion in Video Coding for Machines [67.97469042910855]
現在、ビデオ伝送は人間の視覚システム(HVS)だけでなく、分析のための機械認識にも役立っている。
本稿では,機械知覚関連歪み表現を抽出し,下流モデルに埋め込む圧縮歪埋め込み(CDRE)フレームワークを提案する。
我々のフレームワークは,実行時間,パラメータ数といったオーバーヘッドを最小限に抑えて,既存のコーデックのレートタスク性能を効果的に向上させることができる。
論文 参考訳（メタデータ） (2025-03-27T13:01:53Z) - RL-RC-DoT: A Block-level RL agent for Task-Aware Video Compression [68.31184784672227]
自律運転のような現代的なアプリケーションでは、圧倒的多数のビデオがタスクを実行するAIシステムの入力として機能する。
したがって、画像の品質ではなく、下流タスクのためにエンコーダを最適化することが有用である。
ここでは、下流タスクを最適化するために、マクロブロックレベルで量子化パラメータ(QP)を制御することで、この問題に対処する。
論文 参考訳（メタデータ） (2025-01-21T15:36:08Z) - Deep Learning-Based Real-Time Quality Control of Standard Video
Compression for Live Streaming [31.285983939625098]
リアルタイム深層学習に基づくH.264コントローラを提案する。
最小遅延でビデオチャンクの内容に基づいて最適なエンコーダパラメータを推定する。
平均帯域使用量の最大2.5倍の改善を実現している。
論文 参考訳（メタデータ） (2023-11-21T18:28:35Z) - 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) - Region of Interest (ROI) based adaptive cross-layer system for real-time
video streaming over Vehicular Ad-hoc NETworks (VANETs) [2.2124180701409233]
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。
論文 参考訳（メタデータ） (2023-11-05T13:56:04Z) - 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) - 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) - Edge Computing for Real-Time Near-Crash Detection for Smart
Transportation Applications [29.550609157368466]
交通事故に近いイベントは、さまざまなスマートトランスポートアプリケーションにとって重要なデータソースとなる。
本稿では,既存のダッシュカムの映像ストリームをリアルタイムに処理することで,エッジコンピューティングのパワーを活用してこれらの課題に対処する。
エッジコンピューティングをリアルタイムトラフィックビデオ分析に適用する最初の取り組みのひとつであり、スマートトランスポート研究やアプリケーションにおいて、複数のサブフィールドに恩恵をもたらすことが期待されている。
論文 参考訳（メタデータ） (2020-08-02T19:39:14Z) - Dynamic Error-bounded Lossy Compression (EBLC) to Reduce the Bandwidth
Requirement for Real-time Vision-based Pedestrian Safety Applications [6.152873761869356]
ビデオ圧縮は、ビデオベースのリアルタイム歩行者検出など、ITSアプリケーションのリアルタイム制約を損なう可能性がある。
本研究では,環境条件に応じて動的に映像圧縮レベルを変更するために,実時間エラーバウンド損失圧縮(EBLC)戦略を開発する。
論文 参考訳（メタデータ） (2020-01-29T17:21:51Z)
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。