NU-Class Net：一种视频质量增强的新方法
计算机视觉与模式识别
2024-06-04 v3 多媒体
摘要
视频内容近年来迅速流行，在互联网流量和物联网(IoT)网络中占据主导地位。视频压缩长期以来被视为有效管理视频拍摄设备产生的大量多媒体流量的主要手段。然而，视频压缩算法需要巨大的计算量才能实现高压缩比。这种复杂性在资源受限的嵌入式系统(如IoT边缘节点摄像头)中实现高效视频编码标准时构成了严峻挑战。为了应对这一挑战，本文介绍了NU-Class Net，一种创新的深度学习模型，旨在减轻有损压缩编解码器产生的压缩伪影。这种增强显著提升了低比特率视频的可感知质量。通过使用NU-Class Net，视频拍摄节点中的视频编码器可以降低输出质量，从而生成低比特率视频，并有效减少边缘的计算和带宽需求。在通常资源限制较少的解码器端，NU-Class Net在视频解码器之后应用，以补偿伪影并接近原始视频的质量。实验结果证实了所提模型在提升视频(尤其是低比特率流媒体视频)可感知质量方面的有效性。
引用
@article{arxiv.2401.01163,
title = {NU-Class Net: A Novel Approach for Video Quality Enhancement},
author = {Parham Zilouchian Moghaddam and Mehdi Modarressi and Mohammad Amin Sadeghi},
journal= {arXiv preprint arXiv:2401.01163},
year = {2024}
}