| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2021-03-01 16:40 VVCへの深層学習によるフレーム補間の適用 ○清水盛偉・孫 鶴鳴・甲藤二郎（早大）  IMQ2020-18 IE2020-58 MVE2020-50 |
|
| 抄録 | （和） | 近年，深層学習によるフレーム補間モデルが多く提案されている．本研究では，動画圧縮の規格VVC (Versatile Video Coding) に深層学習ベースのフレーム補間を組み合わせた新たな圧縮の手法を提案する．動画のフレーム番号を０から数えるとすると，始めに偶数フレームのみをVVCの双方向予測を用いたコンフィギュレーション（ランダムアクセス）で符号化する．復号の際は，復号されたフレームの間をフレーム補間モデルで補間する．また，エンコーダ側における補間されたフレームと実際のフレームの差分情報の圧縮も検討する．動画によっては提案手法がVVCに匹敵する圧縮効率を実現することが確認できた． |
| （英） | Recently, many deep learning based models for frame interpolation have been proposed. In this paper, we propose a novel video compression method which incorporates deep learning based frame interpolation into VVC which is the newest current video compression standard. First, by using VVC Random Access mode, the even frames in the video are compressed (when video frames are counted from 0). During decoding, from the decoded even frames, the odd frames are generated using frame interpolation. We also consider encoding of the residuals between the predicted odd frames and the actual frames. Experimental results show that our approach can perform similar to VVC in some scenarios. | |
| キーワード | （和） | 動画圧縮 / フレーム補間 / 深層学習 / / / / / |
| （英） | Video Compression / Interpolation / Deep Learning / / / / / | |
| 文献情報 | 信学技報, vol. 120, no. 390, IE2020-58, pp. 40-45, 2021年3月. | |
| 資料番号 | IE2020-58 | |
| 発行日 | 2021-02-22 (IMQ, IE, MVE) | |
| ISSN | Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | IMQ2020-18 IE2020-58 MVE2020-50 |
|
| 研究会情報 | |
| 研究会 | MVE IMQ IE CQ |
| 開催期間 | 2021-03-01 - 2021-03-03 |
| 開催地（和） | オンライン開催（崇城大学から変更） |
| 開催地（英） | Online |
| テーマ（和） | 五感に訴えるオンラインメディアとその評価，および一般 （魅力工学（AC）研究会協賛） |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | IE |
| 会議コード | 2021-03-MVE-IMQ-IE-CQ |
| 本文の言語 | 日本語 |
| タイトル（和） | VVCへの深層学習によるフレーム補間の適用 |
| サブタイトル（和） | |
| タイトル（英） | VVC Video Coding with Deep Learning Based Frame Interpolation |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 動画圧縮 / Video Compression |
| キーワード(2)（和/英） | フレーム補間 / Interpolation |
| キーワード(3)（和/英） | 深層学習 / Deep Learning |
| キーワード(4)（和/英） | / |
| キーワード(5)（和/英） | / |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 清水 盛偉 / Joi Shimizu / シミズ ジョウイ |
| 第1著者 所属（和/英） | 早稲田大学 (略称： 早大) Waseda University (略称： Waseda Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 孫 鶴鳴 / Heming Sun / ソン ヘミング |
| 第2著者 所属（和/英） | 早稲田大学 (略称： 早大) Waseda University (略称： Waseda Univ.) |
| 第3著者 氏名（和/英/ヨミ） | 甲藤 二郎 / Jiro Katto / カットウ ジロウ |
| 第3著者 所属（和/英） | 早稲田大学 (略称： 早大) Waseda University (略称： Waseda Univ.) |
| 第4著者 氏名（和/英/ヨミ） | / / |
| 第4著者 所属（和/英） | (略称： ) (略称： ) |
| 第5著者 氏名（和/英/ヨミ） | / / |
| 第5著者 所属（和/英） | (略称： ) (略称： ) |
| 第6著者 氏名（和/英/ヨミ） | / / |
| 第6著者 所属（和/英） | (略称： ) (略称： ) |
| 第7著者 氏名（和/英/ヨミ） | / / |
| 第7著者 所属（和/英） | (略称： ) (略称： ) |
| 第8著者 氏名（和/英/ヨミ） | / / |
| 第8著者 所属（和/英） | (略称： ) (略称： ) |
| 第9著者 氏名（和/英/ヨミ） | / / |
| 第9著者 所属（和/英） | (略称： ) (略称： ) |
| 第10著者 氏名（和/英/ヨミ） | / / |
| 第10著者 所属（和/英） | (略称： ) (略称： ) |
| 第11著者 氏名（和/英/ヨミ） | / / |
| 第11著者 所属（和/英） | (略称： ) (略称： ) |
| 第12著者 氏名（和/英/ヨミ） | / / |
| 第12著者 所属（和/英） | (略称： ) (略称： ) |
| 第13著者 氏名（和/英/ヨミ） | / / |
| 第13著者 所属（和/英） | (略称： ) (略称： ) |
| 第14著者 氏名（和/英/ヨミ） | / / |
| 第14著者 所属（和/英） | (略称： ) (略称： ) |
| 第15著者 氏名（和/英/ヨミ） | / / |
| 第15著者 所属（和/英） | (略称： ) (略称： ) |
| 第16著者 氏名（和/英/ヨミ） | / / |
| 第16著者 所属（和/英） | (略称： ) (略称： ) |
| 第17著者 氏名（和/英/ヨミ） | / / |
| 第17著者 所属（和/英） | (略称： ) (略称： ) |
| 第18著者 氏名（和/英/ヨミ） | / / |
| 第18著者 所属（和/英） | (略称： ) (略称： ) |
| 講演者 | 第1著者 |
| 発表日時 | 2021-03-01 16:40:00 |
| 発表時間 | 25分 |
| 申込先研究会 | IE |
| 資料番号 | IMQ2020-18, IE2020-58, MVE2020-50 |
| 巻番号（vol） | vol.120 |
| 号番号（no） | no.389(IMQ), no.390(IE), no.391(MVE) |
| ページ範囲 | pp.40-45 |
| ページ数 | 6 |
| 発行日 | 2021-02-22 (IMQ, IE, MVE) |
[研究会発表申込システムのトップページに戻る]