文献

J-GLOBAL ID：202102217705285717   整理番号：21A2638863

誘導強化と暗黙運動情報による学習ビデオ圧縮【JST・京大機械翻訳】

Learned Video Compression with Intra-Guided Enhancement and Implicit Motion Information

著者 (8件)： Zou Nannan (Nokia Technologies,Tampere,Finland) ,  Zhang Honglei (Nokia Technologies,Tampere,Finland) ,  Cricri Francesco (Nokia Technologies,Tampere,Finland) ,  Tavakoli Hamed R. (Nokia Technologies,Tampere,Finland) ,  Lainema Jani (Nokia Technologies,Tampere,Finland) ,  Aksu Emre (Nokia Technologies,Tampere,Finland) ,  Hannuksela Miska (Nokia Technologies,Tampere,Finland) ,  Rahtu Esa (Tampere University,Tampere,Finland)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2021  号： CVPRW  ページ： 1870-1874  発行年： 2021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： ビデオ圧縮に対する学習手法は有望な結果で提案されているが,手工学ビデオコーデックはなお非ベートである。一方,学習画像圧縮は既に従来の画像コーデックを凌駕した。本論文では,学習された画像圧縮をレバレッジしながら,従来のコーデックのパイプラインの一部を模倣する学習ビデオ圧縮システムを提案した。それは,学習されたフレーム内圧縮モジュール,およびイントラコードフレームに調整される学習されたフレーム間圧縮モジュールという2つの主要なモジュールから成る。これらのモジュールはエントロピー符号化のために別々の学習確率モデルを使用する。フレーム内コーデックは,非局所注意層の変形を用いる。フレーム間コーデックに関して,イントラコードフレームの高品質情報を活用することによって,暗黙運動情報メカニズムとフレーム間予測の強化を提案した。学習確率モデル側では,追加調整情報として参照フレームを用いることを提案した。このシステムを,学習画像圧縮(CLIC)に関する2021のチャレンジのための著者らの提出された入力として使った。著者らの実験では,一連のアブレーション研究を通して,このシステムとそのコンポーネントの有効性を示した。Copyright 2021 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： *学習 ,  *録画装置 ,  画像圧縮 ,  確率モデル ,  有効性 ,  アブレーション ,  高品質 ,  数学モデル
準シソーラス用語： ベート ,  エントロピー符号化 ,  *ビデオ圧縮 ,  圧縮システム ,  ビデオコーデック , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 誘導 ,  強化 ,  運動 ,  学習 ,  ビデオ圧縮