项目名称: 面向无线多媒体传感器网络的高效压缩视频感知

项目编号: No.61501069

项目类型: 青年科学基金项目

立项/批准年度: 2016

项目学科: 无线电电子学、电信技术

项目作者: 仲元红

作者单位: 重庆大学

项目金额: 19万元

中文摘要: 结合压缩感知与分布式编码的分布式压缩视频感知由于其编码简单,编码数据具有容错好、可裁剪等特点,使得其非常适合无线多媒体传感网(WMSNs)应用。但现有采用分块压缩感知的分布式压缩视频感知与传统编解码方法在性能上仍有较大差距,分块分帧的方式割裂了数据内在联系,是造成性能不足的重要原因。针对这一情况,提出视频回归整体的重构及相应测量方法。课题以张量分解为切入点,根据节点视频及多视点视频内在的空时稀疏、多维的特点,将一维压缩感知理论通过稀疏张量分解扩展到多维,探索多维压缩感知的测量方法,结合字典学习、结构化稀疏等理论重点研究稀疏张量约束下的多维视频重构算法,从而尝试提高WMSNs系统的单节点视频、多视点视频的恢复质量。项目将为WMSNs提供一个低编码复杂度、高恢复质量的视频编解码新方案,同时也是多维压缩感知理论的新探索。

中文关键词: 分布式视频编码;压缩感知;视频重构;张量分解

英文摘要: Distributed compressed video sensing (DCVS) is a framework that integrates both compressed sensing and distributed video coding to achieve a low-complexity video coding, and the encode data is fault-tolerant and scalable which make it ideal for wireless multimedia sensor networks (WMSNs) applications. However, there is still a large performance gap between the DCVS and the traditional video encodec. Block and frame-based strategy used in distributed compressed video sensing which separates the internal relations in data is an important cause of performance loss. In response to this situation, returning of unity in reconstruction of the video and the corresponding methods of measurement are proposed. Based on tensor decomposition, as the study entry point, and the intrinsic characteristics of sparse-multidimensional in the node video and multi-view video, the one-dimensional compressive sensing theory is extended to multi-dimensional through sparse tensor decomposition.Then the measurement strategy of multi-dimensional compressed sensing will be explored . And combining dictionary learning, structured sparse and some other CS recovery theories, reconstruction algorithms of multidimensional video under constraint of sparse tensor will be studied as the main topic of this project to try and improve the quality of single-view video, multi-view video in WMSNs. The project will not only provide a new paradigm of video encodec of low-complexity, high-quality reconstruction,but also a new exploration of multi-dimensional compressed sensing theory.

英文关键词: Distributed Video Coding;Compressive Sensing;Video Reconstruction;Tensor Decomposition

成为VIP会员查看完整内容
0

相关内容

《5G 毫米波赋能 8K 视频制作》未来移动通信论坛
专知会员服务
11+阅读 · 2022年4月15日
专知会员服务
7+阅读 · 2021年10月4日
专知会员服务
12+阅读 · 2021年9月13日
基于深度神经网络的高效视觉识别研究进展与新方向
专知会员服务
38+阅读 · 2021年8月31日
专知会员服务
16+阅读 · 2021年7月31日
专知会员服务
14+阅读 · 2021年3月26日
物联网时代分布式深度学习新方向
专知会员服务
53+阅读 · 2020年8月30日
面向Transformer模型的高效预训练方法
哈工大SCIR
1+阅读 · 2021年6月5日
【学界】DeepMind论文:深度压缩感知,新框架提升GAN性能
GAN生成式对抗网络
14+阅读 · 2019年5月23日
深度学习之视频图像压缩
论智
13+阅读 · 2018年6月15日
一文读懂图像压缩算法
七月在线实验室
15+阅读 · 2018年5月2日
如何设计基于深度学习的图像压缩算法
论智
40+阅读 · 2018年4月26日
图像检索研究进展:浅层、深层特征及特征融合
机器学习研究会
65+阅读 · 2018年3月26日
一文让你入门CNN,附3份深度学习视频资源
机器学习算法与Python学习
12+阅读 · 2018年3月10日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
Arxiv
0+阅读 · 2022年4月20日
Arxiv
0+阅读 · 2022年4月19日
Arxiv
1+阅读 · 2022年4月19日
Max-Margin Contrastive Learning
Arxiv
17+阅读 · 2021年12月21日
Arxiv
31+阅读 · 2021年3月29日
Arxiv
21+阅读 · 2021年2月13日
小贴士
相关VIP内容
《5G 毫米波赋能 8K 视频制作》未来移动通信论坛
专知会员服务
11+阅读 · 2022年4月15日
专知会员服务
7+阅读 · 2021年10月4日
专知会员服务
12+阅读 · 2021年9月13日
基于深度神经网络的高效视觉识别研究进展与新方向
专知会员服务
38+阅读 · 2021年8月31日
专知会员服务
16+阅读 · 2021年7月31日
专知会员服务
14+阅读 · 2021年3月26日
物联网时代分布式深度学习新方向
专知会员服务
53+阅读 · 2020年8月30日
相关资讯
面向Transformer模型的高效预训练方法
哈工大SCIR
1+阅读 · 2021年6月5日
【学界】DeepMind论文:深度压缩感知,新框架提升GAN性能
GAN生成式对抗网络
14+阅读 · 2019年5月23日
深度学习之视频图像压缩
论智
13+阅读 · 2018年6月15日
一文读懂图像压缩算法
七月在线实验室
15+阅读 · 2018年5月2日
如何设计基于深度学习的图像压缩算法
论智
40+阅读 · 2018年4月26日
图像检索研究进展:浅层、深层特征及特征融合
机器学习研究会
65+阅读 · 2018年3月26日
一文让你入门CNN,附3份深度学习视频资源
机器学习算法与Python学习
12+阅读 · 2018年3月10日
相关基金
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
相关论文
Arxiv
0+阅读 · 2022年4月20日
Arxiv
0+阅读 · 2022年4月19日
Arxiv
1+阅读 · 2022年4月19日
Max-Margin Contrastive Learning
Arxiv
17+阅读 · 2021年12月21日
Arxiv
31+阅读 · 2021年3月29日
Arxiv
21+阅读 · 2021年2月13日
微信扫码咨询专知VIP会员