Основные понятия
본 논문은 압축 비디오에 내재된 유용한 코딩 사전(motion vector, predictive frame, residual frame)을 활용하여 시간적 및 공간적 정보를 효과적으로 집계함으로써 압축 비디오의 화질을 향상시키는 CPGA 네트워크를 제안한다.
Аннотация
본 논문은 압축 비디오 화질 향상을 위한 새로운 접근법을 제안한다. 기존 방법들은 압축 비디오에 내재된 유용한 코딩 정보(motion vector, predictive frame, residual frame)를 활용하지 않았지만, 제안하는 CPGA 네트워크는 이러한 코딩 사전을 활용하여 시간적 및 공간적 정보를 효과적으로 집계한다.
CPGA 네트워크는 다음 3개의 주요 모듈로 구성된다:
- 프레임 간 시간적 집계(ITA) 모듈: 연속 프레임과 코딩 사전(motion vector, predictive frame)을 활용하여 시간적 특징을 집계한다.
- 다중 스케일 비지역 집계(MNA) 모듈: 현재 residual frame을 활용하여 공간적 특징을 집계한다.
- 화질 향상(QE) 모듈: 집계된 특징을 활용하여 최종 고화질 프레임을 생성한다.
제안하는 CPGA 네트워크는 기존 최신 방법들에 비해 0.03dB 이상의 성능 향상을 달성하였으며, 10% 이상의 추론 속도 향상을 보였다.
Статистика
압축 비디오의 motion vector는 프레임 간 시간적 상관관계를 나타낸다.
압축 비디오의 predictive frame은 디코딩 과정에서 정렬된 결과를 제공한다.
압축 비디오의 residual frame은 현재 프레임과 대응되는 predictive frame 간의 차이를 나타낸다.
Цитаты
"압축 비디오에는 motion vector, predictive frame, residual frame과 같은 코딩 사전이 내재되어 있으며, 이는 명시적인 시간적 및 공간적 정보를 제공한다."
"제안하는 CPGA 네트워크는 코딩 사전을 활용하여 시간적 및 공간적 특징을 효과적으로 집계함으로써 기존 최신 방법들에 비해 우수한 성능을 달성한다."