ИНТЕЛЛЕКТУАЛЬНАЯ ФИЛЬТРАЦИЯ И КОМПРЕССИЯ ВИДЕОПОТОКА С ПРИМЕНЕНИЕМ МЕТОДОВ МАШИННОГО ОБУЧЕНИЯ
Keywords:
видеокомпрессия, машинное обучение, интеллектуальная фильтрация, автоэнкодер, вариационный автоэнкодер, GAN, PSNR, SSIM, нейронные сети, сжатие видеоAbstract
В данной статье рассматриваются современные подходы к интеллектуальной фильтрации и компрессии видеопотоков с использованием методов машинного обучения (МО). Особое внимание уделяется нейросетевым архитектурам, таким как автоэнкодеры и вариационные автоэнкодеры, а также их применению в задачах сжатия и восстановления видео. Приводятся сравнительные анализы эффективности различных методов, включая традиционные кодеки и современные нейросетевые подходы. Результаты экспериментов демонстрируют преимущества использования МО в задачах видеокомпрессии, включая повышение качества восстановленного видео и снижение битрейта.(RUSSOFT, CNews.ru)
References
1. Lu, G., Ouyang, W., Xu, D., Zhang, X., Cai, C., & Gao, Z. (2018). DVC: An End-to-end Deep Video Compression Framework. arXiv preprint arXiv:1812.00101.(arXiv)
2. Han, J., Lombardo, S., Schroers, C., & Mandt, S. (2018). Deep Generative Video Compression. arXiv preprint arXiv:1810.02845.(arXiv)
3. Iliadis, M., Spinoulas, L., & Katsaggelos, A. K. (2016). Deep Fully-Connected Networks for Video Compressive Sensing. arXiv preprint arXiv:1603.04930.(arXiv)
4. Wiedemann, S., Kirchoffer, H., Matlage, S., Haase, P., Marban, A., Marinc, T., ... & Samek, W. (2019). DeepCABAC: A Universal Compression Algorithm for Deep Neural Networks. arXiv preprint arXiv:1907.11900.(arXiv)
5. NVIDIA. (2020). NVIDIA разработала алгоритм нейросетевого сжатия видео. N+1. https://nplus1.ru/news/2020/10/06/nvidia-compression(N + 1)
