Extremely fast selective enhancement method for fine granular scalable enabled H.264 video
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
A novel method, that selectively enhances the visually important regions in scalable H.264 video encoding, is proposed. The proposed method is extremely fast and is designed to be used in real-time video communications systems. The method is based on fine granular scalability (FGS). FGS provides a framework to adapt to variations in the channel bandwidth, and it was recently standardized in the streaming video profile of MPEG-4. FGS also provides to the encoder the ability to selectively enhance the regions that are visually important, increasing the subjective video quality. In this paper we use the emerging video coding standard, H.264, for encoding the base layer, as opposed to MPEG-4. H.264 has several key differences with its predecessor standards, one of them being the new inter coded macroblock types. It was observed that specific macroblock types indicate visually important regions. In our proposed method, the macroblock (MB) type information along with motion vector (MV) data are used to extract features such as motion activity and camera motion. These features are used for defining the regions to be enhanced. Since, all of the operations are taking place on a block-by-block basis, the method presented here has very low computational complexity and suitable for real-time video communication systems. Experimental results show that subjective quality of the video sequence is significantly improved using our method.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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.
score_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