基于学习的视频编码技术进展
Advances in learning-based video coding technologies
  
DOI:
中文关键词:  视频编码;神经网络;深度学习;编码工具;端到端系统
英文关键词:video coding; neural network; deep learning; encoding tools; end to end system
基金项目:国家自然科学基金面上项目(61071091)和“信息与通信工程”江苏高校优势学科建设工程资助项目
作者单位
朱秀昌 南京邮电大学 江苏省图像处理与图像通信重点实验室,江苏 南京 210003 
唐贵进 南京邮电大学 江苏省图像处理与图像通信重点实验室,江苏 南京 210003 
摘要点击次数: 664
全文下载次数: 229
中文摘要:
      近来,深度神经网络为视频编码提供了一种新的有前途的解决方案,即基于学习的视频编码技术。文中着重回顾了两类基于学习的视频编码技术,一类是用神经网络替代或协助传统编码框架中某些“功能模块”的压缩,另一类是全神经网络实现的“端到端系统”压缩。分别给出了两类技术中一些近来有代表性的研究成果,展示了它们的优越之处、长足进展及发展潜力。在给出这类技术目前存在问题的同时,也简要展望了今后的研究方向。
英文摘要:
      Deep neural networks have provided a new and promising solution for video coding, namely learning based video coding techniques. This paper reviews the two types of learning based video coding technologies: (1) methods that use neural networks to replace or assist the compression of certain functional modules in the traditional coding framework, and (2) the end to end system compression implemented by full neural networks. Some recent representative studies on the two types of technologies are summarized, and their advantages, great progresses and development potentials are elaborated. Finally, we present problems of these technologies, and identify the future research directions.
查看全文  查看/发表评论  下载PDF阅读器

你是第2811620访问者
版权所有《南京邮电大学学报(自然科学版)》编辑部
Tel:86-25-85866913 E-mail:xb@njupt.edu.cn
技术支持:本系统由北京勤云科技发展有限公司设计

欢迎访问《南京邮电大学学报(自然科学版)》编辑部!