项目名称: 适用于移动视频分享的数据压缩与质量评价新方法

项目编号: No.61301090

项目类型: 青年科学基金项目

立项/批准年度: 2014

项目学科: 无线电电子学、电信技术

项目作者: 邓宸伟

作者单位: 北京理工大学

项目金额: 24万元

中文摘要: 随着移动互联网的快速发展,越来越多的人使用智能手机、平板电脑等移动设备在线分享视频资源。视频编码是移动视频分享必不可少的关键技术,也是影响用户体验的重要因素。现有的H.264,H.264 SVC,HEVC等国际标准编码复杂度高、不能实现基于视频内容和人眼视觉特性的空间分辨率与质量层可分级,因此不能很好的适用于电池容量有限、屏幕尺寸千差万别的移动终端。此外,PSNR,SSIM等评价方法不能衡量不同分辨率视频的质量,不适合评价移动视频编码的效率。针对上述问题,本课题提出一种移动视频分享新方案,设计面向任务和需求的新型编码器及感知质量评价模型。拟对该方案中面向压缩的视频信号表征、面向移动终端的低复杂度编码、基于视频内容的任意空间分辨率和质量层可伸缩编码、面向终端用户的视频体验质量评价等关键技术进行研究。与传统视频分享方案相比,该方案将更加注重用户的使用体验、更加合理利用移动设备和无线网络资源。

中文关键词: 移动视频分享;视觉信号表征;面向移动设备的数据压缩;压缩域处理;体验质量建模

英文摘要: With the rapid development of mobile Internet, more and more people use smartphones, tablets to share video content. Video coding is one of the essential key technologies for mobile video sharing, and also one of the important factors affecting the user experiences. The existing video coding standards (e.g., H.264, H.264 SVC, and HEVC) are generally of high coding complexity and can not achieve content and human visual system based spatial and quality scalability, and therefore, these codecs can not be well adapted to mobile terminals with limited power resources, and heterogenous resolutions of display. On the other hand, the existing quality metrics (e.g., PSRN,SSIM, etc.) can not measure the quality of videos with different resolutions, and thus are not applicable for the evaluation of mobile video coding efficiency.To address these issues, we propose a novel framework for mobile video sharing in this project, and some task/demand oriented new codecs and perceptual quality metrics will be developed. More specifically, the key research issues, such as compression-oriented video signal representation, mobile oriented low-complexity video coding, content-based scalable video coding for arbitrary-resolution devices, and user oriented video quality of experience (QoE) evaluation are to be investigated. Compared wi

英文关键词: Mobile video sharing;Visual signal representation;Mobile-oriented data compression;Compressed-domain processing;Quality of experience modelling

成为VIP会员查看完整内容
0

相关内容

视频隐私保护技术综述
专知会员服务
34+阅读 · 2022年1月19日
专知会员服务
12+阅读 · 2021年9月13日
专知会员服务
17+阅读 · 2021年7月3日
专知会员服务
14+阅读 · 2021年5月18日
专知会员服务
14+阅读 · 2021年5月12日
专知会员服务
14+阅读 · 2021年3月26日
【SIGIR2020】用于冷启动推荐的内容感知神经哈希
专知会员服务
22+阅读 · 2020年6月2日
【分享】TCSVT 2021丨基于3D人脸动态的图像-视频生成方法
中国图象图形学学会CSIG
0+阅读 · 2021年8月20日
图像美学质量评价技术发展趋势
科技导报
18+阅读 · 2018年6月25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
基于GAN的极限图像压缩框架
论智
11+阅读 · 2018年4月15日
国家自然科学基金
4+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014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
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
Automated Data Augmentations for Graph Classification
Arxiv
13+阅读 · 2022年1月20日
Arxiv
37+阅读 · 2021年9月28日
Arxiv
31+阅读 · 2021年3月29日
Attentive Graph Neural Networks for Few-Shot Learning
Arxiv
40+阅读 · 2020年7月14日
A Survey on Deep Learning for Named Entity Recognition
Arxiv
73+阅读 · 2018年12月22日
小贴士
相关VIP内容
视频隐私保护技术综述
专知会员服务
34+阅读 · 2022年1月19日
专知会员服务
12+阅读 · 2021年9月13日
专知会员服务
17+阅读 · 2021年7月3日
专知会员服务
14+阅读 · 2021年5月18日
专知会员服务
14+阅读 · 2021年5月12日
专知会员服务
14+阅读 · 2021年3月26日
【SIGIR2020】用于冷启动推荐的内容感知神经哈希
专知会员服务
22+阅读 · 2020年6月2日
相关资讯
相关基金
国家自然科学基金
4+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014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
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
微信扫码咨询专知VIP会员