論文の概要: Content Adaptive Encoding For Interactive Game Streaming

• arxiv url: http://arxiv.org/abs/2511.22327v1
• Date: Thu, 27 Nov 2025 10:57:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-01 19:47:55.526116
• Title: Content Adaptive Encoding For Interactive Game Streaming
• Title（参考訳）: インタラクティブなゲームストリーミングのためのコンテンツ適応エンコーディング
• Authors: Shakarim Soltanayev, Odysseas Zisimopoulos, Mohammad Ashraful Anam, Man Cheung Kung, Angeliki Katsenou, Yiannis Andreopoulos,
• Abstract要約: ビデオオンデマンドストリーミングは、テキストコンテンツ適応符号化(CAE)の恩恵を受けている CAEは対話型ゲームストリーミング(IGS)の開発と展開が非常に難しい 我々は、過去のフレームからのコンパクトな符号化メタデータに基づいて、ISSの解像度適応のための最初のCAEアプローチを提案する。
• 参考スコア（独自算出の注目度）: 6.300062687653917
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Video-on-demand streaming has benefitted from \textit{content-adaptive encoding} (CAE), i.e., adaptation of resolution and/or quantization parameters for each scene based on convex hull optimization. However, CAE is very challenging to develop and deploy for interactive game streaming (IGS). Commercial IGS services impose ultra-low latency encoding with no lookahead or buffering, and have extremely tight compute constraints for any CAE algorithm execution. We propose the first CAE approach for resolution adaptation in IGS based on compact encoding metadata from past frames. Specifically, we train a convolutional neural network (CNN) to infer the best resolution from the options available for the upcoming scene based on a running window of aggregated coding block statistics from the current scene. By deploying the trained CNN within a practical IGS setup based on HEVC encoding, our proposal: (i) improves over the default fixed-resolution ladder of HEVC by 2.3 Bjøntegaard Delta-VMAF points; (ii) infers using 1ms of a single CPU core per scene, thereby having no latency overhead.
• Abstract（参考訳）: ビデオ・オン・デマンド・ストリーミングは、コンベックスの船体最適化に基づく各シーンの解像度および/または量子化パラメータの適応という、‘textit{content-adaptive encoding} (CAE) の恩恵を受けている。 しかし、CAEは対話型ゲームストリーミング(IGS)の開発と展開を非常に困難にしている。 商用IGSサービスはルックアヘッドやバッファリングなしで超低レイテンシのエンコーディングを課し、CAEアルゴリズムの実行には極めて厳しい計算制約がある。 我々は、過去のフレームからのコンパクトな符号化メタデータに基づいて、ISSの解像度適応のための最初のCAEアプローチを提案する。 具体的には、現在のシーンから集約された符号化ブロック統計のランニングウィンドウに基づいて、今後のシーンで利用可能なオプションから最適な解像度を推測するために、畳み込みニューラルネットワーク(CNN)をトレーニングする。 HEVCエンコーディングに基づく実践的なIGS設定にトレーニング済みCNNを配置することにより、以下のことを提案します。 i) HEVCのデフォルトの固定解像度はしごを2.3 Bjøntegaard Delta-VMAFポイントで改善する。 (ii)シーン毎に1つのCPUコアの1msを使用すると、遅延オーバーヘッドがなくなる。

関連論文リスト

• 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)
• Group-aware Parameter-efficient Updating for Content-Adaptive Neural Video Compression [42.92442233544842]
  ビデオ圧縮は時間的冗長性に大きく依存する。 NVCフレームワークは一般的により複雑で、多くの大きなコンポーネントはエンコーディング時に簡単に更新できない。 符号化プロセスの各符号化コンポーネントに、複数の軽量アダプタを統合することで実現されるパラメータ効率のデルタチューニング戦略を導入する。
  論文  参考訳（メタデータ） (2024-05-07T12:42:23Z)
• Convex Hull Prediction for Adaptive Video Streaming by Recurrent Learning [38.574550778712236]
  本稿では,コンテンツ認識凸船体予測の深層学習に基づく手法を提案する。 再帰的畳み込みネットワーク(RCN)を用いて,映像の複雑さを暗黙的に解析し,その凸殻を予測する。 提案するモデルでは, 最適凸殻の近似精度が向上し, 既存の手法と比較して, 競争時間の節約が期待できる。
  論文  参考訳（メタデータ） (2022-06-10T05:11:02Z)
• Efficient VVC Intra Prediction Based on Deep Feature Fusion and Probability Estimation [57.66773945887832]
  本稿では,フレーム内予測におけるVersatile Video Coding (VVC) の複雑性を,深層融合と確率推定の2段階のフレームワークを用いて最適化することを提案する。 特に高精細度(HD)および超高精細度(UHD)ビデオシーケンスにおいて,提案手法の優位性を示す実験結果が得られた。
  論文  参考訳（メタデータ） (2022-05-07T08:01:32Z)
• Low-Fidelity End-to-End Video Encoder Pre-training for Temporal Action Localization [96.73647162960842]
  TALはビデオ理解の基本的な課題だが、難しい課題だ。 既存のtalメソッドは、アクション分類の監督を通じてビデオエンコーダを事前トレーニングする。 本稿では,ローファイダリティ・エンド・ツー・エンド(LoFi)ビデオエンコーダの事前学習手法を提案する。
  論文  参考訳（メタデータ） (2021-03-28T22:18:14Z)

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。