MétaCan
Menu
Retour à la cohorte
Enregistrement W2166067527 · doi:10.1109/icassp.2008.4517786

An area reduction scheme for the H.264/AVC CAVLC encoder

2008· article· en· W2166067527 sur OpenAlexafffund
Choudhury A. Rahman, Wael Badawy

Notice bibliographique

RevueProceedings of the ... IEEE International Conference on Acoustics, Speech, and Signal Processing · 2008
Typearticle
Langueen
DomaineComputer Science
ThématiqueVideo Coding and Compression Technologies
Établissements canadiensUniversity of Calgary
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaQueensland Cyber Infrastructure Foundation
Mots-clésContext-adaptive variable-length codingEncoderComputer scienceAlgorithmCoding (social sciences)Context (archaeology)Context-adaptive binary arithmetic codingReal-time computingData compressionComputer hardwareMathematics

Résumé

récupéré en direct d'OpenAlex

This paper presents an approach to reduce the area used for the implementation of look up tables (LUTs) in the H.264/AVC Context-based Adaptive Variable Length Coding (CAVLC) encoder. Replacing the LUTs of the coeff_token by an algorithm that closely follows the codeword features and can be easily implemented with simple computational elements, the proposed scheme shows that an area savings of more than 40% can be achieved with a bit-rate increase of less than 0.8%. The proposed approach is very effective to reduce the area for low bit-rate applications such as mobile video applications which have simple/low to moderate motion characteristics.

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)0,000
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 enseignants0,003
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
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)0,0030,001

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 Opus0,080
Tête enseignante GPT0,299
Écart entre enseignants0,219 · 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

Citations0
Publié2008
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueProceedings of the ... IEEE International Conference on Acoustics, Speech, and Signal ProcessingMême sujetVideo Coding and Compression TechnologiesTravaux en français237 207