Effiziente Erstellung einer Bitrate-Leiter durch Transfer-Learning und raumzeitliche Merkmale
Eine bitrate- und komplexitätseffiziente Methode zur Vorhersage der Bitrate-Leiter unter Verwendung von Transfer-Learning und raumzeitlichen Merkmalen, die den Mindestbitrate-Punkt für die höchste Qualität (HQ-Punkt) vorhersagt, um Bitraten-Verschwendung zu vermeiden.
Hochleistungsfähiges und verlustresistentes Echtzeit-Video durch neuronale Codecs
GRACE, ein neues Echtzeit-Videosystem, erhält durch ein gemeinsames Training des neuronalen Encoders und Decoders unter verschiedenen simulierten Paketverlustszenarien eine deutlich verbesserte Verlustresistenz. Im Vergleich zu herkömmlichen Ansätzen wie Fehlerkorrektur-Codes (FEC) oder Fehlerverdeckung zeigt GRACE eine deutlich geringere Qualitätsverschlechterung bei steigenden Paketverlusten.
Hochleistungsfähiges und verlustresistentes Echtzeit-Videosystem durch neuronale Codecs
GRACE ist ein verlustresistentes Echtzeit-Videosystem, das die Qualität der Nutzererfahrung über ein breites Spektrum von Paketverlustquoten hinweg bewahrt, indem es einen neuen neuronalen Videocodec verwendet. Der Schlüssel zur verbesserten Verlustresistenz von GRACE ist das gemeinsame Training des neuronalen Encoders und Decoders unter einem Spektrum simulierter Paketverluste.
© 2024 by Linnk AI