FenixEdu™

Dissertação

Deep Learning-based Video Coding EVALUATED

Detalhes: A codificação de vídeo tem como objetivo processar a informação de vídeo digital originalmente adquirida e codificá-la de forma a alcançar uma compressão eficiente através da exploração das redundâncias espacial, temporal, estatística e percetiva. A compressão oferecida com os codecs de vídeo tradicionais, desenhados pelo engenho humano para tirar partido das redundâncias nunca é suficiente, visto que a quantidade de vídeos criados continua a aumentar. Portanto, a procura de novas tecnologias têm vindo a surgir. Recentemente, os métodos de aprendizagem profunda têm alcançado ótimos desempenhos; assim sendo, é natural que esta nova tecnologia seja também aplicada a desafios na área do processamento de sinal, tal como codificação de vídeo. Atualmente, várias soluções de codificação de imagem já utilizam métodos de aprendizagem profunda com grande sucesso. Apesar da pesquisa em codificação de vídeo baseada em métodos de aprendizagem profunda estar apenas a começar, este parece um caminho promissor. O principal objetivo desta dissertação é melhorar a eficiência de compressão de um codec de vídeo baseado em aprendizagem profunda, expandindo o mesmo com um modelo de atenção. Esta dissertação fornece uma avaliação de alguns codecs baseados em aprendizagem profunda comparativamente à norma de codificação de vídeo mais recent. Os resultados obtidos com o codec expandido não oferecem ainda ganhos consistentes na eficiência de compressão, mas a integração de modelos de atenção em arquiteturas de codificação de vídeo baseados em aprendizagem profunda é um tópico recente que necessita ainda de muito investimento, mas que se acredita que venha a atingir bons resultados.
Keywords: codificação de vídeo, eficiência de compressão, aprendizagem profunda, redes neuronais, modelos de atenção

Discussão: novembro 19, 2021, 17:0