知覚的最適化没入メディア圧縮のためのCNNベース後処理器【JST・京大機械翻訳】

Katsenou Angeliki; Zhang Fan; Bull David

プレプリント

J-GLOBAL ID：202202202056974942 整理番号：22P0295464

知覚的最適化没入メディア圧縮のためのCNNベース後処理器【JST・京大機械翻訳】

A CNN-based Post-Processor for Perceptually-Optimized Immersive Media Compression

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2022年02月25日プレプリントサーバーでの情報更新日： 2022年02月25日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

近年,深層ニューラルネットワークに基づく解像度適応は,従来の(2D)ビデオコーデックに対する顕著な性能利得を可能にした。本論文では,没入コンテンツの文脈における空間分解能再サンプリングの有効性を調べた。提案手法は符号化前の入力多視点ビデオの空間分解能を低減し,復号化後に元の分解能を再構成する。アップサンプリングプロセスの間,先進CNNモデルを用いて,潜在的再サンプリング,圧縮および合成アーチファクトを低減した。本研究は,Versaileビデオ符号化(VVC)コーデックを用いたTMIV符号化標準を用いて完全にテストされた。その結果,提案手法は,3.07の全体的シーケンスの平均BD-VMAF改善で,テストシーケンスの大部分に対して顕著なレート品質性能改善を達成することを実証した。【JST・京大機械翻訳】

, , , , , , , , , , ,
, , , , , , 【Automatic Indexing@JST】

図形・画像処理一般

, , ,

前のページに戻る