文献

J-GLOBAL ID：201802211909251996   整理番号：18A0537558

HEVC符号化のためのマルチクラスランク付けに基づく最も可能性の高い予測ユニット選択【Powered by NICT】

Multi-class ranking based most probable prediction unit selection for HEVC encoding

著者 (5件)： Zhu Linwei (Department of Computer Science, City University of Hong Kong, Kowloon, Hong Kong, China) ,  Kwong Sam (Department of Computer Science, City University of Hong Kong, Kowloon, Hong Kong, China) ,  Zhang Yun (Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences, Shenzhen 518055, China) ,  Wang Xu (College of Computer Science and Software Engineering, Shenzhen University, Shenzhen 518060, China) ,  Wang Shiqi (Department of Computer Science, City University of Hong Kong, Kowloon, Hong Kong, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： VCIP  ページ： 1-4  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本論文では,インクリメンタル学習に基づくマルチクラス予測ユニット(PU)順位付け取り組みは,高効率ビデオ符号化(HEVC)レート歪計算量(RDC)最適化を提示した。特に,PU選択の過程は二値分類と多クラス順位付けタスクとして定式化し,新たな訓練データ中の情報をより良く利用するために分類器訓練に適用したインクリメンタル学習。さらに,提案した最も可能性の高いPU選択方式は関節RDC最適化フレームワークに組み込まれている,複雑性は拘束されたRD性能劣化の下で計算コストを最小化する標的割り当て柔軟にすることができる。実験結果は,提案手法が無視できるRD性能劣化,RDC性能の点で最新技術の手法よりも性能が優れていると低遅延Pとランダムアクセス構成の下で平均53.7%と50.4%の計算量を減らすことができることを示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： *等級づけ ,  計算量 ,  最適化 ,  *符号化 ,  *予測
準シソーラス用語： 計算コスト ,  性能劣化 ,  複雑性 ,  訓練データ ,  二値分類 ,  レート歪 ,  ビデオ符号化 ,  インクリメンタル学習 ,  *ユニット選択 ,  *H.265/HEVC , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (8件)： HEVC ,  符号化 ,  マルチ ,  クラス ,  ランク付け ,  可能性 ,  予測 ,  ユニット選択