面向人与机器可扩展的视频编码

Hyomin Choi; Ivan V. Bajić

面向人与机器可扩展的视频编码

图像与视频处理 2022-08-05 v1 计算机视觉与模式识别

作者: Hyomin Choi , Ivan V. Bajić

摘要

视频内容不仅被人观看，也日益被机器观看。例如，机器学习模型分析监控视频用于安全与交通监测，搜索 YouTube 视频中的不当内容等。在本文中，我们提出一个可扩展视频编码框架，其通过基础层码流支持机器视觉（具体地，目标检测），并通过增强层码流支持人类视觉。所提框架包含来自常规与基于深度神经网络（DNN）的视频编码的组件。结果表明，在目标检测上，所提框架相比最先进视频编解码器实现 13-19% 的比特节省，同时在人类视觉任务的 MS-SSIM 上保持竞争力。

关键词

可扩展视频编码机器视觉目标检测人类视觉深度神经网络比特节省 MS-SSIM

引用

@article{arxiv.2208.02512,
  title  = {Scalable Video Coding for Humans and Machines},
  author = {Hyomin Choi and Ivan V. Bajić},
  journal= {arXiv preprint arXiv:2208.02512},
  year   = {2022}
}