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
- 하지만 기존의 JND 값을 찾는 실험방법들은 영상 압축에 잘 부합되지 않는 방법으로 왜곡 임계값을 측정하였기 때문에 영상 압축에 적합하지 않다. 따라서 본 논문에서는 영상 압축에서 발생되는 blocking artifact 와 blur, luminance change 와 같은 왜곡에 해당되는 JND 값을 나타내는 Just Noticeable Quantization Distortion(JNQD) 모델을 사용해서 인지적 영상 압축 방식을 제안한다.
- 전처리 과정을 통해 입력영상의 인지 왜곡 경계 영상을 영상 압축 과정에 입력하게 되면 압축 과정에서 발생되는 양자화 왜곡으로 인해 최종 결과 영상에서는 왜곡이 눈에 띄는 경우가 발생될 수도 있다. 따라서 본 논문에서는 입력하기 전의 원본 영상의 왜곡 인지 경계만큼 주파수 계수 값을 감소시키는 것이 아니라 출력될 때 원본의 압축영상과 전처리 후 압축영상의 인지 왜곡 경계를 비교하는 방식을 제시한다.
- 본 논문에서는 이와 같은 영상 압축 전처리 과정의 문제점을 해결하기 위해서 압축 영상의 왜곡 인지 영상을 생성하여 그 영상과 전처리 후 압축된 영상을 비교하여 전처리로 제거되는 인지 중복 데이터의 양을 조절한다. 이와 같이 영상의 압축을 고려하여 전처리 과정에서 제거되는 인지 중복 데이터의 양을 적응적으로 조절할 수 있는 방법을 제안하여 기존의 영상 압축 과정에서의 양자화 효과를 고려하지 못한 전처리 방법을 개선한다.
- 이 논문에서는 영상 압축에서 발생되는 왜곡을 반영하는 JNQD 모델을 사용해서 영상 압축의 전처리 과정에 적용하는 방법을 제시하였다. 전처리 과정으로 영상의 불필요한 성분들을 RDO 관점에서보다 더 많이 감소 시킬 수 있었고, 압축 후의 결과 영상이 왜곡 인지 경계 내에 존재하는가에 대한 불확실성도 양자화 크기에 따라 적응적으로 바뀌는 α 값으로 보완 할수 있었다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.