双方向学習ビデオ圧縮のためのエンドツーエンドレート歪最適化【JST・京大機械翻訳】

Yilmaz M. Akin; Tekalp A. Murat

プレプリント

J-GLOBAL ID：202202209329927734 整理番号：21P0043758

双方向学習ビデオ圧縮のためのエンドツーエンドレート歪最適化【JST・京大機械翻訳】

End-to-End Rate-Distortion Optimization for Bi-Directional Learned Video 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 (2件)： ,
資料名：
発行年： 2020年08月11日プレプリントサーバーでの情報更新日： 2021年05月26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)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

従来のビデオ圧縮方法は,線形変換とブロック運動モデルを採用して,運動推定,モードと量子化パラメータ選択のステップとエントロピー符号化は,エンドツーエンド最適化問題のコンビナトリアル性質のために個々に最適化した。学習されたビデオ圧縮は,すべての非線形モジュール,量子化パラメータ,およびエントロピーモデルのエンドツーエンドレート歪最適化訓練を同時に可能にする。学習されたビデオ圧縮に関する以前の研究は,連続したフレームの対で平均したコストのエンドツーエンド最適化に基づく逐次ビデオコーデックを訓練したが,階層構造,双方向符号化が逐次圧縮を凌駕する従来のビデオ圧縮においてよく知られている。本論文では,画像(GOP)の固定サイズグループ上のコスト関数の蓄積により,階層的,双方向運動補償学習コーデックのエンドツーエンド最適化を提案した。実験結果は,提案した学習双方向{GOP符号器}のレート歪性能が,期待されるように最先端のエンドツーエンド最適化学習逐次圧縮より優れていることを示した。【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