MétaCan
Menu
Retour à la cohorte
Enregistrement W2153927963 · doi:10.1109/mmsp.2004.1436406

Context-based complexity reduction of H.264 in video over wireless applications

2005· article· en· W2153927963 sur OpenAlexaff
Laleh Sahafi, T.S. Randhawa, R.H.S. Hardy

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueVideo Coding and Compression Technologies
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésComputer scienceVideo qualityWirelessQuality of serviceWireless networkData compressionMobile deviceComputer networkReal-time computingTelecommunicationsArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

The Achilles' heel of video over wireless services continues to be the limited bandwidth of wireless connections and short battery life of end-user handheld devices such as cell-phones and PDAs. Efficient coding and compression techniques are required to meet the QoS (quality of service) requirements of such services while effectively managing the aforementioned resources. H.264, the latest coding and compression standard from ITU-T, is currently dominating the field by offering a flexible architecture and compression gain of up to 50%. The compression efficiency in H.264, however, is achieved at the expense of processing time. With demands for video-streaming and video-conferencing over wireless growing rapidly, the performance of H.264 for wireless and mobile platforms, in terms of picture quality, bit-rate, and battery power consumption needs to be benchmarked, and the H.264 operating modes most suitable for these services need to be determined. This paper proposes strategies to reduce the complexity of various H.264 operations. Using the knowledge of the context of the scenes in the video sequences, unimportant regions in the frames are isolated and unnecessary processing is avoided. Experimental results, obtained using a test-bed, are presented to demonstrate the viability of the proposed strategies in minimizing the battery power consumption by H.264 while maintaining desired frame quality and low bit-rate.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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 ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,038
Tête enseignante GPT0,280
Écart entre enseignants0,243 · 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 source (Gemma direct ou Codex distillé), 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

Citations9
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetVideo Coding and Compression TechnologiesTravaux en français237 207