文献

J-GLOBAL ID：202202220672111103   整理番号：22A0696262

ビデオ符号化のための相互予測に対するニューラルネットワークベース強化【JST・京大機械翻訳】

Neural Network-Based Enhancement to Inter Prediction for Video Coding

著者 (5件)： Wang Yang (Department of Computer Science and Technology, Harbin Institute of Technology, Harbin, China) ,  Fan Xiaopeng (Department of Computer Science and Technology, Harbin Institute of Technology, Harbin, China) ,  Xiong Ruiqin (Department of Electronics Engineering and Computer Science, Peking University, Beijing, China) ,  Zhao Debin (Department of Computer Science and Technology, Harbin Institute of Technology, Harbin, China) ,  Gao Wen (Peng Cheng Laboratory, Shenzhen, China)
資料名： IEEE Transactions on Circuits and Systems for Video Technology  (IEEE Transactions on Circuits and Systems for Video Technology)
巻： 32  号： 2  ページ： 826-838  発行年： 2022年 
JST資料番号： W0321A  ISSN： 1051-8215  CODEN： ITCTEM  資料種別： 逐次刊行物 (A)
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： 相互予測はハイブリッドビデオ符号化フレームワークの重要な部分であり,ビデオシーケンスにおける時間的冗長性を利用して,符号化性能を改善した。予測の間,予測ブロックは,動き推定と動き補償を用いた参照写真から典型的に誘導される。相互予測の符号化性能を改良するために,予測(NNIP)へのニューラルネットワークベースの強化を本論文で提案した。NNIPは,3つのネットワーク,即ち,残差推定ネットワーク,組合せネットワーク,および深い精密化ネットワークから成る。具体的には,最初に,残差推定ネットワークを設計し,利用可能な空間近傍を用いて,現在のブロックとその予測ブロック間の残差を推定した。第2に,推定残差の特徴マップと予測ブロックを抽出し,組合せネットワークで連結する。最後に,連結された特徴マップを深い精密化ネットワークに供給し,より正確な予測ブロックを導出するために,予測ブロックに追加した精密化残差を生成した。NNIPをHEVCに統合し,その効率を評価した。実験結果は,NNIPが,HEVCと比較して,LDP,LDB,およびRA構成の下で,平均で4.6%,3.0%,および2.7%のBD率減少を達成できることを証明した。Copyright 2022 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： *符号化 ,  冗長性 ,  *ネットワーク ,  *ニューラルネットワーク ,  残差 ,  精密化 ,  画像信号 ,  動き補償 ,  *画像符号化 ,  動き推定
準シソーラス用語： ビデオシーケンス ,  *ビデオ符号化 ,  特徴マップ ,  H.265/HEVC , 【Automatic Indexing@JST】

分類 (2件)： テレビジョン一般  (ND12031N) ,  通信網  (ND07030A)

タイトルに関連する用語 (4件)： ビデオ符号化 ,  予測 ,  ニューラルネットワーク ,  強化