선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 따라서 경우에 따라서 비트율 조절의 결과가 정확하지 않은 경우가 종종 발견된다. 따라서, 본 논문에서는 [1]에서 제시된 양자화표에 scaling 방식을 사용하는 방식의 성능을 개선하는 새로운 알고리즘을 제시하는 것을 주요 내용으로 한다. 본 논문에서는 [1]에서 제시한 통계적인 모델보다 보다 정교하고, 보다 많은 영상에 대한 통계적인 모델로 정교한 non-linear regression model을 사용한 최적의 양자화표 를 사용하여 개선된 성능을 갖는 비트율 조절 알고리즘을 제시하려고 한다.
- 따라서, 본 논문에서는 [1]에서 제시된 양자화표에 scaling 방식을 사용하는 방식의 성능을 개선하는 새로운 알고리즘을 제시하는 것을 주요 내용으로 한다. 본 논문에서는 [1]에서 제시한 통계적인 모델보다 보다 정교하고, 보다 많은 영상에 대한 통계적인 모델로 정교한 non-linear regression model을 사용한 최적의 양자화표 를 사용하여 개선된 성능을 갖는 비트율 조절 알고리즘을 제시하려고 한다. 컴퓨터 모의실험 결과 본 논문에서 제시된 방법은 통계적으로 비트율 조절에서 정교한 결과가 얻어질 수 있음을 보였다.
- 본 논문에서는 다양한 영상에 대해서 고정된 비트율을 보이는 JPEG 의 quality factor 에 대한 통계적인 실험결과에서 얻는 결과로 non-linear regression 기법을 사용한 최적의 적응 양자화표를 사용한 bit rate control 알고리듬을 제시하려고 한다. 먼저 본 논문에서 사용된 JPEG의 quality factor (이하 Q-factor) 에 대해서 설명하면 그림 7에서 보듯이 Q-factor 가 10 에서 100 까지의 범위를 갖게 된다.
- 본 연구에서는 JPEG baseline encoder에서 image activity를 사용한 보다 개선된 비트율 조절 알고리듬이 제안되었다. 제안한 알고리듬은 많은 실험영상을 통하여 image activity, Quality factor, 비트율의 세가지 변수들의 통계적인 실험데이터로부터 최적의 non-linear regression을 사용하여 기존의 방식보다 우수한 target 비트율 조절을 이룰 수 있었다.
- 또한 양자화 표를 scaling factor 로 곱하는 것보다는 최근에 사용되는 JPEG 의 quality factor 를 사용하는 것이 보다 자연스러운 접근 방식이라고 판단된다[4,5]. 이러한 점에 착안하여 본 논문에서는 다양한 영상에 대해서 고정된 비트율를 보이는 JPEG 의 quality factor 에 대한 통계적인 실험결과에서 얻는 결과로 non-linear regression 기법을 사용한 최적의 적응 양자화표를 사용한 비트율 조절 알고리듬을 제시하려고 한다.
- 이제 이러한 regression 을 사용한 비트율 조절의 결과를 알아보자. 비트율 조절은 먼저 주어진 입력영상에 대해서 image activity a 를 측정하고 제시한 Q(a) 를 사용하여 양자화 표를 변경하여 JPEG 을 인코딩하게 된다.
- 이제는 Q-factor 가 50으로 고정될 때, 여러 개의 영상에 대해서 앞서 설명한 image activity 와 실제 인코딩된 비트수를 비교하기 위하여 총 19개의 1280×960 크기의 영상에 대한 실험을 관찰하여 보자. 다음의 그림 9에는 결과가 제시되어 있다.
가설 설정
- 중요한 가정은 총 인코딩된 비트는 image activity 에 비례한다고 가정하는데, 여기서 image activity 는 DCT 된 계수 중에서 AC 계수의 절대값의 합과 밀접한 관계가 있다. 실제로 JPEG에서 AC 계수 값이 크면 이를 Huffman code 로 변환시킬 때 많은 비트가 필요한 것이 사실이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.