Als weit verbreitete Technik in der Datenübertragung, Videokomprimierung
Reduziert effektiv die Dateigröße, Dies ermöglicht eine Echtzeit-Cloud
Rechnen. Jedoch, es geht auf Kosten der visuellen Qualität, Herausforderungen stellen
zur Robustheit nachgelagerter Vision-Modelle. In dieser Arbeit, Wir präsentieren a
Vielseitiges Codec-fähiges Erweiterungsframework, das Codec-Informationen wiederverwendet
Videos unter verschiedenen Komprimierungseinstellungen adaptiv verbessern, assistieren
verschiedene nachgelagerte Vision-Aufgaben, ohne dass es zu einem Rechenengpass kommt.
Speziell, Das vorgeschlagene Codec-fähige Framework besteht aus a
Komprimierungsbewusste Anpassung (CAA) Netzwerk, das hierarchisch arbeitet
Adaptionsmechanismus zur Schätzung von Parametern der rahmenweisen Verbesserung
Netzwerk, nämlich die bitstrombewusste Verbesserung (BAE) Netzwerk. Das BAE-Netzwerk
nutzt darüber hinaus zeitliche und räumliche Prioritäten, die in den Bitstrom eingebettet sind
Verbessern Sie effektiv die Qualität komprimierter Eingaberahmen. Umfangreich
Experimentelle Ergebnisse belegen die überlegene Leistung bei der Qualitätsverbesserung
unseres Frameworks gegenüber bestehenden Erweiterungsmethoden, sowie seine Vielseitigkeit
bei der Unterstützung mehrerer Downstream-Aufgaben an komprimierten Videos als Plug-and-Play
Modul. Code und Modelle sind verfügbar unter
https://huimin-zeng.github.io/PnP-VCVE/.

Dieser Artikel untersucht Zeitreisen und deren Auswirkungen.

PDF herunterladen: