文献

J-GLOBAL ID：201702224659112385   整理番号：17A1712629

統一ビデオ符号化のための深い神経回路網に基づく単画素予測【Powered by NICT】

Deep neural network based single pixel prediction for unified video coding

著者 (3件)： Li Honggui (Physics College of Science and Technology, Yangzhou University, Yangzhou 225002, Jiangsu, China) ,  Li Honggui (Laboratoire d’Informatique, Signal et Image, Telecommunication et Electronique, Institut Superieur d’Electronique de Paris, Paris 75006, France) ,  Trocan Maria (Laboratoire d’Informatique, Signal et Image, Telecommunication et Electronique, Institut Superieur d’Electronique de Paris, Paris 75006, France)
資料名： Neurocomputing  (Neurocomputing)
巻： 272  ページ： 558-570  発行年： 2018年 
JST資料番号： W0360A  ISSN： 0925-2312  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 古典的ビデオ予測法がビデオシーケンス内のフレーム内,フレーム間とマルチビュー類似性を直接と浅く利用提案したビデオ予測法は,単一出力ノードを有する一般的な深層ニューラルネットワーク(DNN)を用いてフレーム間相関を変換非線形写像に間接的に集中的に。伝統的DNNベースビデオ予測アルゴリズムは,粗い次のフレームを予測が,高い予測精度と低計算コストを達成するために提案ビデオ予測アルゴリズムを別々にかつ正確に将来フレームの単一ピクセルを予測した。まず第一に,フレーム内符号化,フレーム間符号化とマルチビュー符号化のための一般的なDNNベース予測アルゴリズムを示した。統一ビデオ符号化のための一般的なDNNベース予測アルゴリズムは上昇するが,これは先行三予測アルゴリズムに依存している。は,提案した方法が低ビットレート伝送の状況におけるピーク信号における技術高効率ビデオ符号化(HEVC)の状態よりも優れた性能を保持している雑音比(PSNR)とビットピクセル当り(BPP)することをシミュレーション実験により評価した。も提案された一般的なDNNアーキテクチャは従来のDNN構造のより高い予測精度と低い計算負荷を持つことを実験結果により検証した。さらに,実験結果によって証明した提案した方法は小さい相関と大きな格差を用いてマルチビュービデオに非常に適していることである。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 写像 ,  雑音 ,  *画素 ,  *符号化 ,  予測技法 ,  ニューラルネットワーク ,  類似性 ,  *予測 ,  *録画装置 ,  シミュレーション
準シソーラス用語： 計算コスト ,  予測精度 ,  予測アルゴリズム ,  ビデオシーケンス ,  *ビデオ符号化 , 【Automatic Indexing@JST】

著者キーワード (6件)： ディープニューラルネットワーク ,  ビデオ予測 ,  統一ビデオ符号化 ,  フレーム内符号化 ,  フレーム間符号化 ,  多視点符号化

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： ビデオ符号化 ,  神経回路網 ,  画素 ,  予測