NU-Class Net: A Novel Approach for Video Quality Enhancement

要約

動画コンテンツの人気は急上昇し、インターネットトラフィックやモノのインターネット（IoT）ネットワークでその優位性を主張しています。ビデオ圧縮は、ビデオキャプチャデバイスによって生成される膨大なマルチメディアトラフィックを効率的に管理する主要な手段と長い間みなされてきました。とはいえ、動画圧縮アルゴリズムは、大幅な圧縮率を達成するために多大な計算量を必要とする。この複雑さは、IoTエッジノードカメラのようなリソースに制約のある組み込みシステムに効率的なビデオコーディング標準を実装する際に、手ごわい課題となる。この課題に取り組むため、本稿では、非可逆圧縮コーデックに起因する圧縮アーチファクトを軽減するように設計された革新的な深層学習モデルであるNU-Class Netを紹介する。この機能強化により、低ビットレート動画の知覚品質が大幅に向上します。NU-Classネットを採用することで、ビデオキャプチャノード内のビデオエンコーダは出力品質を下げることができ、低ビットレートのビデオを生成し、エッジでの計算と帯域幅の両方の要件を効果的に抑制することができます。デコーダ側では、一般的にリソースの制約が少ないため、NU-Class Netをビデオデコーダの後に適用することで、アーチファクトを補正し、元のビデオの品質に近づけることができる。実験結果は、特に低ビットレートでストリーミングされたビデオの知覚可能な品質を向上させる上で、提案モデルの有効性を確認するものである。

要約(オリジナル)

Video content has experienced a surge in popularity, asserting its dominance over internet traffic and Internet of Things (IoT) networks. Video compression has long been regarded as the primary means of efficiently managing the substantial multimedia traffic generated by video-capturing devices. Nevertheless, video compression algorithms entail significant computational demands in order to achieve substantial compression ratios. This complexity presents a formidable challenge when implementing efficient video coding standards in resource-constrained embedded systems, such as IoT edge node cameras. To tackle this challenge, this paper introduces NU-Class Net, an innovative deep-learning model designed to mitigate compression artifacts stemming from lossy compression codecs. This enhancement significantly elevates the perceptible quality of low-bit-rate videos. By employing the NU-Class Net, the video encoder within the video-capturing node can reduce output quality, thereby generating low-bit-rate videos and effectively curtailing both computation and bandwidth requirements at the edge. On the decoder side, which is typically less encumbered by resource limitations, NU-Class Net is applied after the video decoder to compensate for artifacts and approximate the quality of the original video. Experimental results affirm the efficacy of the proposed model in enhancing the perceptible quality of videos, especially those streamed at low bit rates.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL