文献

J-GLOBAL ID：202102284090903490   整理番号：21A1934812

超解像ネットワークを用いた符号化ひずみ低減に関する検討

A Study on Compression Artifacts Reduction by a Super-Resolution Network

著者 (5件)： 小松蒔遠 (早稲田大 理工学術院) ,  清水盛偉 (早稲田大 理工学術院) ,  SUN Heming (早稲田大 理工学術院) ,  SUN Heming (JST-さきがけ) ,  甲藤二郎 (早稲田大 理工学術院)
資料名： 電子情報通信学会技術研究報告(Web)  (IEICE Technical Report (Web))
巻： 121  号： 54(SIP2021 1-10)  ページ： 15-20 (WEB ONLY)  発行年： 2021年05月27日 
JST資料番号： U2030A  ISSN： 2432-6380  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： ディジタル動画像信号は膨大な情報量を持つため,蓄積・伝送の際には情報量削減のため圧縮符号化を行う.特に,非可逆符号化では大きく情報量を削減することが可能となっている.しかし,非可逆処理では入力動画像を完全に復元することができず,ブロックノイズやモスキートノイズなどの符号化ひずみと呼ばれるノイズが発生してしまう.圧縮の際,このようなノイズは視覚上目立たないように配慮されているが,圧縮率が高くなると符号化ひずみは検知されやすくなる.本稿ではHEVCなどの既存の動画圧縮技術により圧縮・復号された動画に対し超解像ネットワークをポストフィルタとして適用することで符号化ひずみを低減する手法を提案する.また,実験により本手法の有効性や特性について検討する.(著者抄録)

シソーラス用語： *超解像 ,  画像符号化 ,  動画像 ,  機械学習 ,  画像歪 ,  ニューラルネットワーク ,  動径基底関数ネットワーク ,  後処理 ,  *空間フィルタリング ,  *画像再生 ,  画像圧縮 ,  畳込みニューラルネットワーク ,  深層学習

分類 (1件)： 図形・画像処理一般  (JE04010I)

引用文献 (10件)：

• Cisco Visual Networking Index (VNI), 予測とトレンド, 2017~2022年ホワイトペーパー, 2020
• 杉本修, “符号化雑音の種類”: http://www.ieice-hbkb.org/files/02/02gun_05hen_09.pdf#page=2
• 林孝典, “映像の客観品質評価”: http://www.ieice-hbkb.org/files/03/03gun_05hen_01.pdf#page=20
• R. Zhang, P. Isola, A. A. Efros, E. Shechtman, O. Wang. “The Unreasonable Effectiveness of Deep Features as a Perceptual Metric.” In CVPR, 2018
• C. Dong, C. C. Loy, K. He, and X. Tang. “Learning a deep convolutional network for image super-resolution.” In ECCV, pages 184-199. 2014

タイトルに関連する用語 (3件)： 超解像 ,  符号化 ,  ひずみ