文献

J-GLOBAL ID：202002277712263414   整理番号：20A0832806

学習ビデオ圧縮【JST・京大機械翻訳】

Learned Video Compression

著者 (6件)： Rippel Oren (WaveOne. Inc.) ,  Nair Sanjay (WaveOne. Inc.) ,  Lew Carissa (WaveOne. Inc.) ,  Branson Steve (WaveOne. Inc.) ,  Anderson Alexander (WaveOne. Inc.) ,  Bourdev Lubomir (WaveOne. Inc.)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： ICCV  ページ： 3453-3462  発行年： 2019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： ビデオ符号化のための新しいアルゴリズムを提案し,低待ち時間モードのためのエンドツーエンドを学習した。この設定において,著者らの方式は,ほとんどのビットレート範囲にわたって,すべての既存のビデオ符号を上回った。著者らの知る限り,これは最初のMLベースの方法である。著者らは,様々な分解能の標準ビデオ圧縮試験セットに関する著者らの手法を評価し,低待ち時間モードにおけるすべての主流の商用符号に対するベンチマークを評価した。標準定義ビデオにおいて,HEVC/H.265,AVC/H.264およびVP9は,著者らのアルゴリズムよりも最大60%大きい符号を典型的に生成する。ハイビジョン1080pビデオでは,H.265とVP9は典型的に20%までの符号を生成し,H.264は35%まで大きくなる。さらに,著者らのアプローチは,ブロッキングアーチファクトと画素化を被らず,その結果,より視覚的にpleするビデオを生成する。2つの主な寄与を提案した。第一はビデオ圧縮のための新しいアーキテクチャであり,(1)単純な翻訳を超えて学習補償を行うための動き推定,(2)以前に送信された参照フレームに厳密に頼るよりも,(2)モデルによって学習された任意の情報の状態を維持し,(3)すべての送信信号(オプティカルフローや残差など)を同時に圧縮できる。第二に,著者らは,MLベースの空間速度制御のためのフレームワークを提示する。すなわち,各フレームに対する空間を横切る可変ビット率を割り当てるためのメカニズムである。これはビデオ符号化のための重要な要素であり,著者らの知識は機械学習設定の中で開発されていない。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 残差 ,  エンドツーエンド方式 ,  オプティカルフロー ,  画素 ,  空間速度 ,  圧縮試験 ,  機械学習 ,  *録画装置 ,  待ち時間 ,  計算機アーキテクチャ ,  アルゴリズム ,  *学習 ,  ベンチマーク ,  HDTV ,  視覚

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (2件)： 学習 ,  ビデオ圧縮