文献

J-GLOBAL ID：202102276610962717   整理番号：21A0068025

低ビットレートエンドツーエンドビデオ符号化のためのCNNベース超解像におけるトレーニングデータの影響に関する研究【JST・京大機械翻訳】

A Study on the Impact of Training Data in CNN-Based Super-Resolution for Low Bitrate End-to-End Video Coding

著者 (5件)： Nasiri Fatemeh (IRT b<>com,Cesson-Se ́vigne ́,France,35510) ,  Hamidouche Wassim (IRT b<>com,Cesson-Se ́vigne ́,France,35510) ,  Morin Luce (Univ Rennes, INSA Rennes, CNRS, IETR - UMR 6164,Rennes,France,35000) ,  Cocherel Gildas (AVIWEST,Saint-Gregoire,France,35760) ,  Dhollande Nicolas (AVIWEST,Saint-Gregoire,France,35760)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： IPTA  ページ： 1-5  発行年： 2020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： 本研究では,低ビットレートビデオ符号化における畳込みニューラルネットワーク(CNN)に基づく超解像(SR)法の有効性を,Versaileビデオ符号化規格(VVC)に焦点を当てて検討した。限られた帯域幅を持つネットワーク上のビデオ伝送は,異なるアプリケーションに対する共通の課題である。1つの解決策は,主要原理が符号化の前に入力シーケンスを空間的にダウンサンプリングするSR法を採用することであり,次に,それを表示する前に解読されたシーケンスをアップサンプリングすることである。固定ターゲット帯域幅に対して,高分解能と比較して低解像度シーケンスに微細量子化を適用し,高品質再構成ピクセルは損失情報検索を助ける。しかし,ほとんどのCNNベースのSR法は単一画像のために設計され,単に元の入力信号に焦点を合わせる。したがって,訓練されたネットワークは圧縮アーチファクトの理解を欠いている。本研究では,圧縮されたシーケンスによるCNNベースのSR法訓練が,非圧縮されたものによる訓練より優れているという仮説を検証した。仮定は,そのような訓練が圧縮アーチファクトを学習し,それらを実際のテクスチャ情報から識別するSR法を可能にすることである。この目的のために,最先端のCNNベースSR法を圧縮および非圧縮訓練セットで試験した。実験は,圧縮訓練データの使用が平均で,BD-Rateに関して6%の付加的ビットレート節約をもたらすことを示す。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： 量子化 ,  情報検索 ,  規格 ,  ネットワーク ,  画素 ,  *エンドツーエンド方式 ,  応用プログラム ,  帯域幅 ,  *超解像 ,  高分解能 ,  アーチファクト
準シソーラス用語： *ビットレート ,  ダウンサンプリング ,  *ビデオ符号化 ,  アップサンプリング , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (7件)： 低ビットレート ,  エンドツーエンド ,  ビデオ符号化 ,  CNN ,  超解像 ,  トレーニング ,  研究