Performance and computational complexity optimization techniques in configurable video coding system
Notice bibliographique
Résumé
In order to achieve high performance in terms of compression ratio, nest standard video coders have a high computational complexity. Motion estimation in sub-pixel accuracy and in model-based rate distortion optimization is approached from a practical implementation perspective; then, a configurable coding scheme is proposed and analyzed with respect to computational complexity and distortion. The proposed coding scheme consists of three coding modules: motion estimation, sub-pixel accuracy, and DCT pruning, and their control variables can take several values, leading to a significantly different coding performance. The major coding modules are analyzed in terms of computational complexity and distortion (C-D) in the H.263 video coding framework. Based on the analyzed data, operational C-D curves are obtained through an exhaustive search and the Lagrangian multiplier method. The proposed scheme has a deterministic feature that satisfies the given computational constraint, regardless of the changing properties of the input video sequence. It is shown that, in terms of PSNR, an optimally chosen operational mode makes a significant difference compared to non-optimal modes. Furthermore, an adaptive scheme iteratively controlling the optimal coding mode is introduced and compared with the fixed scheme, whose operating mode is determined based on the rate distortion model parameters obtained by pre-processing off-line. To evaluate the performance of proposed scheme according to input video sequences, we apply video sequences other than those involved in the process of model parameter estimation, and show that the model parameters are accurate enough to be applied, regardless of the type of input video sequences. Experimental results demonstrate that, in the adaptive approach, computation reductions of up to 19% are obtained in test video sequences compared to the fixed, while the degradations of the reconstructed video are less than 0.05dB. In addition, the adaptive approach is proven to be more effective with active video sequences than with silent video sequences.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».