Глубокое контекстуальное сжатие видео на основе машинного обучения

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.