【论文解读】A Neural Enhancement Post-Processor with a Dynamic AV1 Encoder Configuration Strategy for CLIC

已于 2024-07-02 21:30:00 修改
阅读量134 收藏
点赞数 4
分类专栏： 论文解读 AV1标准 文章标签： av1 人工智能 深度学习 视频后处理 libaom 视频编解码 音视频
于 2024-07-02 21:18:08 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/yanceyxin/article/details/140135730
版权

论文下载地址：A Neural Enhancement Post-Processor with a Dynamic AV1 Encoder Configuration Strategy for CLIC 2024
时间：2023 年
作者：Darren Ramsook等
级别： IEEE
机构：爱尔兰都柏林三一学院电子与电气工程系

摘要

  1. 问题识别：在实际的流媒体传输比特率下，传统的视频压缩技术常常会导致可见的伪影，这些伪影会降低视频的感知质量。

  2. 解决方案：论文提出了一种结合神经网络后处理器和动态优化策略的新方法，旨在实现更好的比特率和质量之间的平衡。

  3. 神经后处理器：通过对抗性训练对神经后处理器进行优化，并使用感知损失函数来提高其性能。

  4. 直接优化：通过直接优化后处理器和编码器，该方法显著提高了视频的保真度。

  5. 实验结果：神经后处理器在50 kb/s和500 kb/s的比特率下，分别实现了+6.72和+1.81的VMAF（Video Multi-Method Assessment Fusion，视频多方法评估融合）分数提升

了解本专栏 订阅专栏 解锁全文 超级会员免费看
Codec Conductor
关注
  • 4
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
订阅专栏
【语音增强论文解读 01】 A Convolutional Recurrent Neural Network for Real-Time SpeechEnhancement
qq_41893773的博客
03-30 2884
作者：Ke Tan, DeLiang Wang 文末附文章地址与开源代码地址 1. 动机 语音增强的许多实际应用，如助听器和人工耳蜗都需要无延迟或低延迟的实时处理、 2. 方法 受CRN工作的启发，开发了一种全新的CRN架构，用于实时进行与噪声和说话者无关的语音增强。CRN 结合了因果卷积Encoder-Decoder和LSTM。在实时处理中，语音增强框架不能利用未来帧的语音，所以采用了因果卷积的Encoder-Decoder。使用LSTM的主要目的是处理噪声泛化和说话人泛化。 3. 网络架构
Attention介绍+A Dual-Stage Attention-Based Recurrent Neural Network for Time Series Prediction论文解读
我沿着陌生人的志向攀登
12-01 3571
论文链接：https://www.ijcai.org/proceedings/2017/0366.pdf Attention机制的产生 图1 encoder-decoder结构 seq2seq的encoder-decoder结构使用编码器将输入序列转化成一个固定长...
Semantic Segmentation--SegNet:A Deep Convolutional Encoder-Decoder Architecture..论文解读
DFan的NoteBook
12-27 7922
Semantic Segmentation简介在解读论文之前，先看看Semantic Segmentation这个topic是干啥的。这里引用知乎的一个提问答案：Semantic Segmentation–知乎-周博磊 图1.image classification, object detection, semantic segmentation, instance segmentatio
阅读论文《LLCNN: A convolutional neural network for low-light image enhancement》
CHNguoshiwushuang的博客
06-27 3304
  这是2017年VCIP的一篇论文，使用神经网络对暗光下的图像作增强。使用的网络基本结构如下图所示：   网络由一个卷积层输入，一个卷积层输出，中间由若干卷积模块组成，特征数均为64。卷积模块参考残差网络和inception的结构，先分成两路送入，然后将两路输出直接相加，相加后结果再通过一个残差相加。如下所示：   网络使用SSIM-Loss,正常的MSE...
3D Point Cloud Registration for Localization using a Deep Neural Network Auto-Encoder阅读笔记
Vodake的博客
04-15 4878
LORAX(LOcalization by Registration using a deep Auto-encoder reduced Cover Set) 1. Random Sphere Cover Set (RSCS) 2. Selection of a Normalized Local Coordinate System for each Super-point 3. Depth...
论文阅读——DoubleU-Net: A Deep Convolutional Neural Network for Medical Image Segmentation
qq_37151108的博客
01-29 9748
DoubleU-Net: A Deep Convolutional Neural Network for Medical Image Segmentation 用于医学图像分割的Double U-Net框架 Abstract 语义分割就是为图像中每一个像素点的类别进行预测。基于编解码结构的分割网络，如UNet及其变体，是医学图像分割中广泛使用的网络。为了进一步提升UNet在不同分割任务中的性能，本文提出了一种新的Double-UNet框架，即两个UNet网络结构叠加的组合。 其中第一个UNet使用预训练的V
【论文解读 MM 2017 | att-RNN】Multimodal Fusion with RNNs for Rumor Detection on Microblogs
byn12345的博客
07-10 5077
论文题目：Multimodal Fusion with Recurrent Neural Networks for Rumor Detection on Microblogs 论文来源：MM 2017 论文链接：https://doi.org/10.1145/3123266.3123454 关键词：多模态融合，谣言检测，LSTM，注意力机制，microblog 文章目录1 摘要2 引言3 模型3.1 模型概览3.2 文本和社交上下文的联合表示3.3 图像的视觉表示3.4 用于视觉表示的注意力3.5 模型.
Convolutional Neural Networks for Sentence Classification论文解读
热门推荐
DOS的博客
10-20 2万+
本文将CNN和NLP结合； 介绍了一系列的对比实验，实验结果说明了： 一个简单的（单层神经网络）的CNN模型 一点超参数的调节（Filter的个数） static word vector 另外，对cnn模型进行了小改动：将static vectors和non static vectors变成cnn模型中的两个channels，尤如图像中的rgb三通道。 non-static就是词向量随着模型训练变化
[论文解读] MSCNN: A Unified Multi-scale Deep Convolutional Neural Network for Fast Object Detection
博观而约取，深研而广求
09-25 5229
基本情况《A Unified Multi-scale Deep Convolutional Neural Network for Fast Object Detection》是发表于ECCV16的一篇很出色的文章，来自加州圣地亚哥的Zhaowei Cai。其基本思路是提出了一种多尺度卷积神经网络，由于不同层的feature map的优势不一样，如较低层的feature map由于感知野较小，因此对与
论文阅读笔记《Meta-Learning with Memory-Augmented Neural Networks》
深视
05-08 8841
核心思想   本文提出一种带有记忆增强神经网络（Memory-Augmented Neural Networks，MANN）的元学习算法用于解决小样本学习问题。我们知道LSTM能够通过遗忘门有选择的保留部分先前样本的信息（长期记忆），也可以通过输入门获得当前样本的信息（短期记忆），这一记忆的方式是利用权重的更新隐式实现的。而在本文中，作者希望利用外部的内存空间显式地记录一些信息，使其结合神经网络自身具备的长期记忆能力共同实现小样本学习任务。   如图(a)所示，整个训练过程分成多个Episode，每个Ep
A Neural Enhancement Post-Processor with a Dynamic AV1 Encoder C
07-02
Beyond a Gaussian denoiser: Residual learning of deep CNN for image denoising. IEEE Transactions on Image Processing, 26(7), 3142-3155. 5. **[5]** 例如：Ledig, C., Theis, L., Huszár, F., Caballero, ...
Neural-network-based output-feedback adaptive dynamic surface control for a class of stochastic nonlinear time-delay systems with unknown control directions
02-10
2. 其次，引入了观测器，并利用动态表面控制（Dynamic Surface Control, DSC）技术和李雅普诺夫-克拉索夫斯基方法，提出了针对这类系统的基于自适应神经网络（Adaptive Neural Network, NN）输出反馈控制方案。...
论文解读：DTMT: A Novel Deep Transition Architecture for Neural Machine Translation
01-06
论文解读：DTMT: A Novel Deep Transition Architecture for Neural Machine Translation   本文为一篇神经机器翻译的文章，发表在2019AAAI会议上，主要提出一种深度转移网络（Deep Transition），结合多头注意力...
Adaptive Neural Network Dynamic Surface Control for a Class of Time-Delay Nonlinear Systems with Hysteresis Inputs and Dynamic Uncertainties
02-11
### Adaptive Neural Network Dynamic Surface Control for a Class of Time-Delay Nonlinear Systems with Hysteresis Inputs and Dynamic Uncertainties #### 概述 本文提出了一种适用于具有时滞、非线性不确定...
论文阅读：ENet: A Deep Neural Network Architecture for Real-Time Semantic Segmentation
01-07
文章目录1 摘要2 亮点2.1 initial模块和bottlebeck模块2.1.1 initial模块2.1.2 bottlebeck模块2.2 PReLU2.3 普通卷积、非对称卷积、空洞卷积混合使用2.4 ENet总体结构3 效果4 结论5 参考资料 1 摘要 ...
AV1技术学习：Constrained Directional Enhancement Filter
BigDream123的博客
07-24 694
其中 wp d,m,n 和 ws d,m,n 分别为与主滤波器和次滤波器相关联的滤波器系数，如下图所示。其中Sp、Ss为主要滤波器和次要滤波器的强度指标，D为阻尼系数。CDEF允许编解码器沿某些(可能是倾斜的)方向应用非线性消阶滤波器。注意，参考像素p(m, n)是在应用去块滤波器之后，但在应用CDEF滤波器之前重建的像素。一个主要的滤波器是沿着所选的方向应用，而一个次要的滤波器沿着主方向的偏移45◦的方向应用。式中xp为像素p的值，Pd,k为沿d方向k行的像素，μd,k为Pd,k的平均值;
【大模型理论篇】大模型时代下Bert去哪啦？
weixin_65514978的博客
08-20 1443
bert、自然语言处理、transformer、encoder、gpt、decoder、nlu、nlg、微调、fine-tuning
天猫商品详情API：深度挖掘商品推荐与关联的新路径
2401_85789772的博客
08-20 751
天猫商品详情API是天猫开放平台提供的一项服务，旨在帮助开发者获取天猫平台上商品的详细信息，包括但不限于商品标题、价格、销量、描述、图片以及推荐与关联商品等。这一接口不仅为购物者提供了丰富的商品信息，也为商家和开发者提供了强大的数据支持，助力其优化商品展示策略，提升用户购物体验。天猫商品详情API为开发者提供了深入挖掘商品推荐与关联信息的新途径。通过合理利用这一接口，开发者可以实现精准的商品推荐与关联展示，提升用户体验和平台运营效率。
零基础学习人工智能—Python—Pytorch学习（六）
最新发布
kiba518的博客
08-21 839
前言 本文主要讲神经网络的上半部分。 这篇文章开始有很多公式了，这些公式都很简单，但是如果是不经常在脑海里思考公式的人，那可能需要多花点时间做一下自我训练，个人感觉，也就几天时间，就能把自己感觉给调整出来。 习惯了公式看下面内容就会轻松很多，另外如果要深入学习人工智能，熟练的认知公式也是个必须的事情。 另外，我发现我前面文章写的有歧义的地方还是挺多，虽然，已经改了一部分，但，可能还有没发现的，大...
Sipeed M1: RISC-V Dual-Core 64bit CPU with Neural Network Processor
"Sipeed M1 是一款基于RISC-V架构的双核64位处理器，内置浮点单元，频率可调至400MHz-500MHz，专为神经网络处理设计。该芯片支持图像识别（QVGA@60FPS/VGA@30FPS）和语音识别（最多8个麦克风输入）。...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Codec Conductor

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值