본 논문에서는 기존 코덱과 종단 간 압축 모델을 결합한 하이브리드 다 계층 부호화 프레임워크를 제안한다. 그리고 이 프레임워크의 향상 계층에서 종단 간 압축을 위한 DeepSIC 모델을 제안한다. 기존의 비디오 코덱 구조를 인공신경망으로 대체하는 종단 간 이미지 압축에 대한 연구들이 많이 진행되었지만, 모두 단일 계층 부호화 방식이며 네트워크 환경과 사용자 단말기 환경에 알맞게 영상을 미리 부호화해야 하는 단점이 존재한다. 이를 해결하기 위해 다 계층 압축 구조가 필요하며, 본 논문은 ...
본 논문에서는 기존 코덱과 종단 간 압축 모델을 결합한 하이브리드 다 계층 부호화 프레임워크를 제안한다. 그리고 이 프레임워크의 향상 계층에서 종단 간 압축을 위한 DeepSIC 모델을 제안한다. 기존의 비디오 코덱 구조를 인공신경망으로 대체하는 종단 간 이미지 압축에 대한 연구들이 많이 진행되었지만, 모두 단일 계층 부호화 방식이며 네트워크 환경과 사용자 단말기 환경에 알맞게 영상을 미리 부호화해야 하는 단점이 존재한다. 이를 해결하기 위해 다 계층 압축 구조가 필요하며, 본 논문은 VVC 비디오 코덱과 제안하는 DeepSIC 모델로 하이브리드 다 계층 압축 구조를 구성하였다. DeepSIC 는 multilayer VVC 대비 평균 7.45%의 BDrate 감소 결과를 보이며, 부호화 시간은 CPU 및 GPU 환경에서 모두 multilayer VVC 보다 매우 작은 부호화 복잡도 결과를 보여준다. 또한, CPU 환경에서의 복호화 시간은 multilayer VVC 보다 상대적으로 크지만, GPU 환경에서는 매우 작은 복잡도를 보였다. DeepSIC 는 GPU 가 지원되는 환경에서 다양한 네트워크와 단말 환경을 고려하여 영상을 보다 효과적으로 제공할 수 있다
본 논문에서는 기존 코덱과 종단 간 압축 모델을 결합한 하이브리드 다 계층 부호화 프레임워크를 제안한다. 그리고 이 프레임워크의 향상 계층에서 종단 간 압축을 위한 DeepSIC 모델을 제안한다. 기존의 비디오 코덱 구조를 인공신경망으로 대체하는 종단 간 이미지 압축에 대한 연구들이 많이 진행되었지만, 모두 단일 계층 부호화 방식이며 네트워크 환경과 사용자 단말기 환경에 알맞게 영상을 미리 부호화해야 하는 단점이 존재한다. 이를 해결하기 위해 다 계층 압축 구조가 필요하며, 본 논문은 VVC 비디오 코덱과 제안하는 DeepSIC 모델로 하이브리드 다 계층 압축 구조를 구성하였다. DeepSIC 는 multilayer VVC 대비 평균 7.45%의 BDrate 감소 결과를 보이며, 부호화 시간은 CPU 및 GPU 환경에서 모두 multilayer VVC 보다 매우 작은 부호화 복잡도 결과를 보여준다. 또한, CPU 환경에서의 복호화 시간은 multilayer VVC 보다 상대적으로 크지만, GPU 환경에서는 매우 작은 복잡도를 보였다. DeepSIC 는 GPU 가 지원되는 환경에서 다양한 네트워크와 단말 환경을 고려하여 영상을 보다 효과적으로 제공할 수 있다
This paper propose a hybrid multi-layer coding framework that combines an traditional video codec and end-to-end compression model and propose a DeepSIC model for end-to-end compression in the enhancement layer of this framework. Although many studies have been conducted on end-to-en...
This paper propose a hybrid multi-layer coding framework that combines an traditional video codec and end-to-end compression model and propose a DeepSIC model for end-to-end compression in the enhancement layer of this framework. Although many studies have been conducted on end-to-end compression that replaces the traditional video codec structure with an artificial neural network, end-to-end compression studies are single-layer coding methods, and there is a disadvantage in that pictures be encoded in advance to suit the network environment and user terminal environment. To solve this problem, a multi-layered compression structure is required, and this paper constructs a hybrid multi-layer compression structure with the VVC codec and the proposed DeepSIC model. DeepSIC shows an average-iiiBD-rate reduction result of 7.45% compared to multilayer VVC, and encoding time shows a very small coding complexity result than multilayer VVC in both CPU and GPU environments. In addition, decoding time in the CPU environment is relatively larger than that of multilayer VVC, but the complexity is very small in the GPU environment. DeepSIC can provide images more effectively in consideration of various networks and terminal environments in a GPUsupported environment.
This paper propose a hybrid multi-layer coding framework that combines an traditional video codec and end-to-end compression model and propose a DeepSIC model for end-to-end compression in the enhancement layer of this framework. Although many studies have been conducted on end-to-end compression that replaces the traditional video codec structure with an artificial neural network, end-to-end compression studies are single-layer coding methods, and there is a disadvantage in that pictures be encoded in advance to suit the network environment and user terminal environment. To solve this problem, a multi-layered compression structure is required, and this paper constructs a hybrid multi-layer compression structure with the VVC codec and the proposed DeepSIC model. DeepSIC shows an average-iiiBD-rate reduction result of 7.45% compared to multilayer VVC, and encoding time shows a very small coding complexity result than multilayer VVC in both CPU and GPU environments. In addition, decoding time in the CPU environment is relatively larger than that of multilayer VVC, but the complexity is very small in the GPU environment. DeepSIC can provide images more effectively in consideration of various networks and terminal environments in a GPUsupported environment.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.