文献

J-GLOBAL ID：202002243987866923   整理番号：20A2571683

圧縮ビデオの知覚品質強化のためのマルチレベルウェーブレットベース生成敵対ネットワーク【JST・京大機械翻訳】

Multi-level Wavelet-Based Generative Adversarial Network for Perceptual Quality Enhancement of Compressed Video

著者 (6件)： Wang Jianyi (School of Electronic and Information Engineering, Beihang University, Beijing, China) ,  Deng Xin (School of Cyber Science and Technology, Beihang University, Beijing, China) ,  Xu Mai (School of Electronic and Information Engineering, Beihang University, Beijing, China) ,  Xu Mai (Hangzhou Innovation Institute, Beihang University, Zhejiang, China) ,  Chen Congyong (College of Software, Beihang University, Beijing, China) ,  Song Yuhang (Department of Computer Science, University of Oxford, Oxford, UK)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 12359  ページ： 405-421  発行年： 2020年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 過去数年は,深層学習によるビデオ品質強化における急速な発展を目撃した。既存の方法は,その知覚品質を無視しながら,圧縮ビデオの客観的品質の強化に主に焦点を合わせている。本論文では,圧縮ビデオの知覚品質の強化に焦点を当てた。著者らの主な観察は,知覚品質の向上がウェーブレット領域における高周波サブバンドの回復に主に依存することである。従って,マルチレベルウェーブレットベースGAN(MW-GAN)と呼ばれる圧縮ビデオの知覚品質を高めるために,マルチレベルウェーブレットパケット変換(WPT)に基づく新しい生成敵対ネットワーク(GAN)を提案した。MW-GANでは,まず,時間情報を得るためにピラミッドアーキテクチャによる動き補償を適用した。次に,ウェーブレット高密度残留ブロック(WDRB)によるウェーブレット再構成ネットワークを提案し,高周波詳細を復元した。さらに,MW-GANの敵対的損失をWPTによって追加して,ビデオフレームのための高周波詳細回復をさらに奨励した。実験結果は,著者らの方法の優位性を実証した。Copyright Springer Nature Switzerland AG 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *ネットワーク ,  HF【周波数】 ,  *波束 ,  再構成 ,  *録画装置 ,  角錐 ,  計算機アーキテクチャ ,  動き補償
準シソーラス用語： *マルチレベル ,  高密度 ,  ビデオ品質 ,  サブバンド ,  ウェーブレットパケット変換 ,  深層学習 , 【Automatic Indexing@JST】

著者キーワード (3件)： ビデオ知覚品質強化 ,  ウェーブレットパケット変換 ,  GAN

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： ビデオ ,  知覚品質 ,  強化 ,  敵対