論文の概要: Region-Adaptive Video Sharpening via Rate-Perception Optimization
- arxiv url: http://arxiv.org/abs/2508.08794v1
- Date: Tue, 12 Aug 2025 09:51:23 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-13 21:07:34.372097
- Title: Region-Adaptive Video Sharpening via Rate-Perception Optimization
- Title（参考訳）: 周波数知覚最適化による領域適応型ビデオシャープニング
- Authors: Yingxue Pang, Shijie Zhao, Mengxi Guo, Junlin Li, Li Zhang,
- Abstract要約: 本稿では、エンドツーエンドの領域適応型ビデオシャープモデルであるRPO-AdaSharpを提案する。
符号化ツリー単位(CTU)パーティションマスクを事前情報として使用し、増加ビットの割り当てをガイドし、制限する。
- 参考スコア（独自算出の注目度）: 9.866312854119705
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Sharpening is a widely adopted video enhancement technique. However, uniform sharpening intensity ignores texture variations, degrading video quality. Sharpening also increases bitrate, and there's a lack of techniques to optimally allocate these additional bits across diverse regions. Thus, this paper proposes RPO-AdaSharp, an end-to-end region-adaptive video sharpening model for both perceptual enhancement and bitrate savings. We use the coding tree unit (CTU) partition mask as prior information to guide and constrain the allocation of increased bits. Experiments on benchmarks demonstrate the effectiveness of the proposed model qualitatively and quantitatively.
- Abstract（参考訳）: シャープニングは広く採用されているビデオエンハンスメント技術である。
しかし、均一なシャープニング強度はテクスチャの変化を無視し、画質を劣化させる。
シャープ化はまたビットレートを増大させ、様々な領域でこれらの追加ビットを最適に割り当てるテクニックが欠如している。
そこで本論文では,知覚的強調とビットレート保存の両面において,エンドツーエンドの領域適応型ビデオシャープモデルであるRPO-AdaSharpを提案する。
符号化ツリー単位(CTU)パーティションマスクを事前情報として使用し、増加ビットの割り当てをガイドし、制限する。
ベンチマーク実験では,提案モデルの有効性を質的,定量的に検証した。
関連論文リスト
- Frequency-Assisted Adaptive Sharpening Scheme Considering Bitrate and Quality Tradeoff [10.281371309999946]
クオリティ・オブ・サービス(QoS)が劣化する結果、シャープ化レベルが向上する。
本稿では、周波数支援シャーニングレベル予測モデル(FreqSP)を提案する。
論文 参考訳（メタデータ） (2025-08-12T11:22:48Z) - Adaptive High-Frequency Preprocessing for Video Coding [9.492217153689428]
ビデオの明瞭さとリアリズムを維持するためには高周波コンポーネントが不可欠だが、符号化にも大きく影響し、帯域幅とストレージコストが増大する。
本稿では,ビデオ符号化における主観的品質と保存性を高めるために,適応型高周波前処理のためのエンドツーエンド学習ベースのフレームワークを提案する。
論文 参考訳（メタデータ） (2025-08-12T11:16:02Z) - 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) - CoordFlow: Coordinate Flow for Pixel-wise Neural Video Representation [11.364753833652182]
Implicit Neural Representation (INR)は、従来の変換ベースの手法に代わる有望な代替手段である。
ビデオ圧縮のための新しいピクセルワイドINRであるCoordFlowを紹介する。
他のピクセルワイドINRと比較すると、最先端のフレームワイド技術と比較すると、オンパー性能が向上する。
論文 参考訳（メタデータ） (2025-01-01T22:58:06Z) - Compression-Realized Deep Structural Network for Video Quality Enhancement [78.13020206633524]
本稿では,圧縮ビデオの品質向上の課題に焦点をあてる。
既存の手法のほとんどは、圧縮コーデック内での事前処理を最適に活用するための構造設計を欠いている。
新しいパラダイムは、より意識的な品質向上プロセスのために緊急に必要である。
論文 参考訳（メタデータ） (2024-05-10T09:18:17Z) - Valid Information Guidance Network for Compressed Video Quality
Enhancement [10.294638746269298]
本稿では,圧縮ビデオの品質を高めるために,独自のVIG(Valid Information Guidance scheme)を提案する。
提案手法は,圧縮映像品質向上の最先端性能を,精度と効率の観点から達成する。
論文 参考訳（メタデータ） (2023-02-28T05:43:25Z) - 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) - Multi-Density Attention Network for Loop Filtering in Video Compression [9.322800480045336]
ビデオ圧縮におけるループフィルタリングのためのオンラインスケーリングに基づく多密度注意ネットワークを提案する。
実験の結果、同じビデオ品質で10.18%のビットレート削減が最新のVVC(Versatile Video Coding)規格で達成できることが示された。
論文 参考訳（メタデータ） (2021-04-08T05:46:38Z)
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。