Отрывок: Для генерации полезного контекста совершается переход из пространственной области в пространство признаков. Для построения векторов движения между входным и предыдущим декодированным кадром используется нейросеть оценки оптического потока. Полученная после кодирования и декодирования вектора движения информация определяет, где извлечь контекст. В то же время с помощью нейросети осуществляется в...
Полная запись метаданных
Поле DC | Значение | Язык |
---|---|---|
dc.contributor.author | Чубарь М. А. | ru |
dc.contributor.author | Гашников М. В. | ru |
dc.coverage.spatial | глубокое сжатие видео | ru |
dc.coverage.spatial | машинное обучение | ru |
dc.coverage.spatial | контекст | ru |
dc.coverage.spatial | контекстуальное сжатие видео | ru |
dc.coverage.spatial | условное кодирование | ru |
dc.creator | Чубарь М. А., Гашников М. В. | ru |
dc.date.accessioned | 2023-10-05 09:27:56 | - |
dc.date.available | 2023-10-05 09:27:56 | - |
dc.date.issued | 2023 | ru |
dc.identifier | RU\НТБ СГАУ\541720 | ru |
dc.identifier.citation | Чубарь, М. А. Глубокое контекстуальное сжатие видео на основе машинного обучения / М. А. Чубарь, М. В. Гашников // Информационные технологии и нанотехнологии (ИТНТ-2023) : сб. тр. по материалам IX Междунар. конф. и молодеж. шк. (г. Самара, 17-23 апр. 2023 г.): в 6 т. / М-во науки и высш. образования Рос. Федерации, Самар. нац. исслед. ун-т им. С. П. Королева (Самар. ун-т), Ин-т систем обраб. изобр. РАН - Фил. Федер. науч.-исслед. центра "Кристаллография и фотоника" Рос. акад. наук. - Самара : Изд-во Самар. ун-та, 2023Распознавание, обработка и анализ изображений / под ред. В. В. Сергеева. - 2023. - С. 030582. | ru |
dc.identifier.uri | http://repo.ssau.ru/handle/Informacionnye-tehnologii-i-nanotehnologii/Glubokoe-kontekstualnoe-szhatie-video-na-osnove-mashinnogo-obucheniya-105983 | - |
dc.description.abstract | Структура существующих методов нейросетевого сжатия видео в большинстве случаев включает в себя прогнозирующее кодирование, котороеиспользует операцию вычитания между прогнозируемым и текущим кадрами для удаления избыточности. Для повышения эффективности применяется подход, основанный на глубоком контекстуальном сжатии видео. Кроме разностного кадра, этот подход существенным образом опирается на специализированные алгоритмы извлечения дополнительной информации, характеризующей различие близко расположенных кадров. Использование контекста в данном случае позволяет добиться лучшего качества реконструкции видеопоследовательностей, в частности для сложных текстур с большим количеством высоких частот. В данной статье приводятся результаты вычислительных экспериментов по оценке эффективности исследуемого метода глубокого контекстуального сжатия видео на реальных видеопоследовательностях. | ru |
dc.language.iso | rus | ru |
dc.relation.ispartof | Информационные технологии и нанотехнологии (ИТНТ-2023) : сб. тр. по материалам IX Междунар. конф. и молодеж. шк. (г. Самара, 17-23 апр. 2023 г.): в 6 | ru |
dc.source | Информационные технологии и нанотехнологии (ИТНТ-2023). - Т. 3 : Распознавание, обработка и анализ изображений | ru |
dc.title | Глубокое контекстуальное сжатие видео на основе машинного обучения | ru |
dc.type | Text | ru |
dc.citation.spage | 030582 | ru |
dc.citation.volume | 3 | ru |
dc.textpart | Для генерации полезного контекста совершается переход из пространственной области в пространство признаков. Для построения векторов движения между входным и предыдущим декодированным кадром используется нейросеть оценки оптического потока. Полученная после кодирования и декодирования вектора движения информация определяет, где извлечь контекст. В то же время с помощью нейросети осуществляется в... | - |
Располагается в коллекциях: | Информационные технологии и нанотехнологии |
Файлы этого ресурса:
Файл | Размер | Формат | |
---|---|---|---|
978-5-7883-1919-3_2023-030582.pdf | 215.4 kB | Adobe PDF | Просмотреть/Открыть |
Показать базовое описание ресурса
Просмотр статистики
Поделиться:
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.