MétaCan
Menu
Retour à la cohorte
Enregistrement W2093289920 · doi:10.1109/mmsp.2005.248559

Rate-distortion Optimization for MP3 Audio Coding with Complete Decoder Compatibility

2005· article· en· W2093289920 sur OpenAlexaff
Jingming Xu, En‐hui Yang

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueVideo Coding and Compression Technologies
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésHuffman codingQuantization (signal processing)Computer scienceCodecAlgorithmSpeech codingCoding (social sciences)Mathematical optimizationMathematicsSpeech recognitionData compressionTelecommunications

Résumé

récupéré en direct d'OpenAlex

This paper addresses the issue of truly optimizing the rate-distortion (RD) performance for MPEG-1/2 Layer III (MP3) audio coding by presenting a fixed-slope graph-based iterative algorithm to jointly design quantization, Huffman code-book (HCB) selection and region division. Given quantization step sizes and HCB selection, quantization outputs and HCB region division are first adapted to minimize the Lagrangian RD cost function throughout a standard-constrained graph structure. Then quantization step sizes and HCB selection are optimized serially to reduce the RD cost based on given quantization outputs and region division. These three steps are further alternated until convergence occurs. The proposed algorithm has been implemented based on ISO reference codec and LAME 3.96.1 with complete decoder compatibility. Simulation results show that the new MP3 coders resulting from the proposed algorithm indeed improve the RD performance substantially except for extremely low bit rates in both cases

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,626
Score d'incertitude au seuil0,396

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,035
Tête enseignante GPT0,258
Écart entre enseignants0,222 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetVideo Coding and Compression TechnologiesTravaux en français237 207