MétaCan
Menu
Retour à la cohorte
Enregistrement W4380303272 · doi:10.1109/cisce58541.2023.10142615

Context Similarity-Enabled CU Partitioning Algorithm in VVC

2023· article· en· W4380303272 sur OpenAlexaff
Jiayuan Jin, Xiantao Jiang, Tian Song, F. Richard Yu, Weili, Jin Liu

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueVideo Coding and Compression Technologies
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésQuadtreeCoding (social sciences)Computer scienceReference frameAlgorithmAlgorithmic efficiencyReference softwareData compressionCoding tree unitSoftwareFrame (networking)MathematicsDecoding methodsStatistics

Résumé

récupéré en direct d'OpenAlex

A new Quadtree with nested multi-type tree(QTMT) partitioning method is adopted in the latest video coding standard Versatile Video Coding(VVC) to achieve effective encoding. Compared with Quadtree(QT) in HEVC, QTMT can provide enhanced encoding performance. However, this improved coding performance is obtained at the cost of additional computational load from recursive and nested searches for the best CU structure. A context similarity-enabled CU partitioning algorithm is proposed to achieve a balance between coding efficiency and compression quality in VVC. According to the difference between frames, the method of frame difference algorithm is used to calculate the possibility that the current block can follow the same subblock division mode of the previous frame, so as to skip the unnecessary division selection process. The experimental results show that the proposed method can save the encoding time up to 18.22% with about 0.91% BD-rate degradation on average compared with VVC software reference VTM-9.3

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: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,933
Score d'incertitude au seuil0,409

Scores Codex et Gemma par catégorie

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

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 Opus0,034
Tête enseignante GPT0,267
Écart entre enseignants0,234 · 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'étudeAutre devis
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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetVideo Coding and Compression TechnologiesTravaux en français237 207