利用深度视觉注意力模型改进视频压缩
计算机视觉与模式识别
2019-07-25 v1
摘要
深度学习的近期进展显著提升了视觉注意力建模的质量。在本工作中,我们将这些进展应用于视频压缩。我们提出一种压缩方法,使用显著性模型根据其预测显著性自适应地压缩帧区域。我们选取了三种最先进的显著性模型,将其改造用于视频压缩并分析了其结果。分析包含对这些模型的目标评价,以及对压缩视频的客观与主观评价。我们基于 x264 视频编解码器的方法能够生成与常规 x264 视觉质量相同的视频,但根据客观评价其码率降低了 25%,根据主观评价降低了 17%。此外,主观与客观评价均表明显著性模型可与单一观察者的注视图相竞争。我们的方法可扩展至大多数视频码流格式,并能在不切换到新视频编码标准的情况下提升视频压缩质量。
引用
@article{arxiv.1903.07912,
title = {Improving Video Compression With Deep Visual-Attention Models},
author = {Vitaliy Lyudvichenko and Mikhail Erofeev and Alexander Ploshkin and Dmitriy Vatolin},
journal= {arXiv preprint arXiv:1903.07912},
year = {2019}
}