Enregistrement W2114798828 · doi:10.1109/isit.2009.5205778

A computation approach to the minimum total rate problem of causal video coding

2009· article· en· W2114798828 sur OpenAlexaff

En‐hui Yang, Lin Zheng, Zhen Zhang, Dake He

Notice bibliographique

Revuenon disponible

Typearticle

Langueen

DomaineEngineering

ThématiqueWireless Communication Security Techniques

Établissements canadiensBlackberry (Canada)University of Waterloo

Organismes subventionnairesnon disponible

Mots-clésFrame (networking)Computer scienceCoding (social sciences)AlgorithmArtificial intelligenceMathematicsStatisticsComputer network

DOI10.1109/isit.2009.5205778

Résumé

récupéré en direct d'OpenAlex

Causal video coding is considered from an information theoretic point of view, where video source frames X 1 , X 2 , ? ? ? X N are encoded in a frame by frame manner, the encoder for each frame X k , k = 1, ? ? ?, N, can use all previous frames and all previous encoded frames while the corresponding decoder can use only all previous encoded frames, and each frame X k itself is modeled as a source X k = {X k (i)} i=1 ? . A novel computation approach is proposed to analytically characterize and numerically compute the minimum total rate R c (D 1 , ? ? ?, D N ) required to achieve a given distortion (quality) level D 1 , ? ? ?, D N ? 0. Specifically, we first show that for jointly stationary ergodic sources X 1 , X 2 , ? ? ?, X N , R c (D 1 , ? ? ?, D N ) is equal to the infimum of the n th order total rate distortion function R c,n (D 1 , ? ? ?, D N ) over all n, where R c,n (D 1 , ? ? ?, D N ) itself is given by the minimum of an information quantity over a set of auxiliary random variables. We then present an iterative algorithm for computing R c,n (D 1 , ? ? ?, D N ) and demonstrate the convergence of the algorithm to the global minimum. The global convergence of the algorithm further enables us to establish a single-letter characterization of R c (D 1 , ? ? ?, D N ) in a novel way when the N sources are an independent and identically distributed vector source. Deep insights from the algorithm are also gained regarding how each frame should be encoded in order to achieve R c (D 1 , ? ? ?, D N ); it is demonstrated by example that R c (D 1 , ? ? ?, D N ) is in general much smaller than the total rate offered by the traditional greedy coding method by which each frame is encoded in a local optimum manner based on all information available to the encoder of the frame. In addition, a tight achievable rate distortion region is also derived.

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: Empirique · Signal consensuel: aucune

Score de désaccord entre enseignants0,817

Score d'incertitude au seuil0,255

Scores Codex et Gemma par catégorie

Catégorie	Codex	Gemma
Métarecherche	0,000	0,000
Méta-épidémiologie (sens strict)	0,000	0,000
Méta-épidémiologie (sens large)	0,000	0,000
Bibliométrie	0,000	0,000
Études des sciences et des technologies	0,000	0,000
Communication savante	0,000	0,000
Science ouverte	0,000	0,000
Intégrité de la recherche	0,000	0,000
Charge utile insuffisante (le modèle a refusé de juger)	0,000	0,000

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 Opus0,018

Tête enseignante GPT0,249

Écart entre enseignants0,231 · 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

GenreEmpirique

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

En bref

Citations6

Publié2009

Routes d'admission1

Résumé présentoui

Télécharger la notice (JSON)Signaler un problème avec cette notice

Explorer davantage

Même sujetWireless Communication Security Techniques→Travaux en français237 207→