文献

J-GLOBAL ID：202202264349694844   整理番号：22A0913535

圧縮ビデオのための深層学習ベース正義差と知覚品質予測モデル【JST・京大機械翻訳】

Deep Learning Based Just Noticeable Difference and Perceptual Quality Prediction Models for Compressed Video

著者 (6件)： Zhang Yun (Shenzhen Institute of Advanced Technology, Chinese Academy of Sciences, Shenzhen, China) ,  Liu Huanhua (School of Information Technology and Management, Hunan University of Finance and Economics, Changsha, China) ,  Yang You (School of Electronic Information and Communications, Huazhong University of Science and Technology, Wuhan, China) ,  Fan Xiaoping (School of Information Technology and Management, Hunan University of Finance and Economics, Changsha, China) ,  Kwong Sam (Department of Computer Science, City University of Hong Kong, Hong Kong, China) ,  Kuo C. C. Jay (Ming Hsieh Department of Electrical Engineering, University of Southern California, Los Angeles, CA, USA)
資料名： IEEE Transactions on Circuits and Systems for Video Technology  (IEEE Transactions on Circuits and Systems for Video Technology)
巻： 32  号： 3  ページ： 1197-1212  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： 人間の視覚システムは,画像/ビデオにおける小さな歪みの検出において感度の限界を持ち,最小知覚閾値は,Just Noticeable Difference(JND)と呼ばれる。JNDモデリングは,それが視覚コンテンツに強く依存し,知覚因子が十分に理解されていないので,挑戦的である。本論文では,異なる解像度と符号化パラメータを持つ圧縮ビデオの充足ユーザ比(SUR)とビデオWise JND(VWJND)を予測可能な,深層学習ベースJNDと知覚品質予測モデルを提案した。最初に,SUR予測を,深い学習ツールに適合する回帰問題としてモデル化した。次に,ビデオWise空間SUR法(VW-SSUR)を提案し,圧縮ビデオのSUR値を予測し,主に空間歪を考慮した。第3に,空間および時間情報を考慮することによって,SUR予測精度を改善するために,ビデオWise空間-一時的SUR(VW-STSUR)法を提案した。品質スコアレベルと特徴レベルにおいて,空間と時間情報を融合する2つの融合方式を研究した。最後に,キーフレームとパッチ選択,交差分解能予測と複雑性を含む主要因を分析した。実験結果は,提案したVW-SSUR法が,最先端の方式と比較して,SURとVWJND予測の両方で性能が優れていることを示した。さらに,提案したVW-STSURは,VW-SSURと従来のJNDモデルと比較して精度をさらに改善し,平均SUR予測誤差は0.049であり,平均VWJND予測誤差は量子化パラメータで1.69,ピーク信号対雑音比で0.84dBであった。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： SN比 ,  視覚 ,  知覚 ,  予測 ,  分解能 ,  画像 ,  *録画装置 ,  予測誤差 ,  コンテンツ ,  *予測モデル
準シソーラス用語： 時間情報 ,  ピーク信号対雑音比 ,  予測精度 ,  *知覚品質 ,  複雑性 ,  *深層学習 , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  撮像・録画装置  (ND12032E)

タイトルに関連する用語 (4件)： ビデオ ,  深層学習 ,  知覚品質 ,  予測モデル