Content-Aware Video Transmission in HEVC Context: Optimization of compression, of error resilience and concealment, and of visual quality
Transmission vidéo «contenu»-adaptée dans le contexte HEVC: Optimisation de la compression, de la tolérance aux erreurs de la transmission, et de la qualité visuelle
Résumé
In this work, the global/local content characteristics are utilized in order to
improve the delivery chain of the video sequences. The work is divided into
four main parts that take advantages of video content features. The first part
introduces a joint content-complexity encoder parameters prediction model.
This model uses bitrate, distortion, and complexity of different parameters
configurations in order to get the recommended encoder parameters value.
Then, the links between content features and the recommended values are
identified. Finally, the prediction model is built using these features and the
recommended encoder parameter values. The second part illustrates the
proposed multiple description coding (MDC) scheme that is optimized for
high-order MDC. The corresponding decoding and content-dependent error
recovery procedures are also identified. The quality of the received videos is
evaluated subjectively. By analyzing the subjective experiment results, an
adaptive, i.e. content-aware, scheme is introduced. Finally, an application
scenario is simulated to study the realistic bitrate consumption. The third part
uses the motion properties of a content to introduce a motion map that will be
used as an input for the modified state-of-the-art inpainting based error
concealment algorithm. A subjective experiment was conducted to evaluate
the algorithm and also to study the content-aware observer’s disturbance
when perceiving the processed videos. The fourth part has two sub-parts, the
first one is about HRC selection algorithms for the large-scale video database
with an improved performance evaluation measures for video quality
assessment algorithms using training and validation sets. The second part
introduces global content aware no-reference video quality assessment
Dans cette étude, nous utilisons des caractéristiques locales/globales en vue
d’améliorer la chaîne de transmission des séquences de vidéos. Ce travail est
divisé en quatres parties principales qui mettent à profit les caractéristiques
de contenu vidéo. La première partie introduit un modèle de prédiction de
paramètres d’un encodeur basé sur la complexité du contenu. Ce modèle
utilise le débit, la distorsion, ainsi que la complexité de différentes
configurations de paramètres afin d’obtenir des valeurs souhaitables
(recommandées) de paramètres d’encodage. Nous identifions ensuite le lien
en les caractéristiques du contenu et ces valeurs recommandées afin de
construire le modèle de prédiction. La deuxième partie illustre le schéma de
l’encodage à description multiple (Multiple Description Coding ou MDC, en
anglais) que nous proposons dans ces travaux. Celui-ci est optimisé pour des
MDC d’ordre-hauts. Le décodage correspondant et la procédure de
récupération de l’erreur contenu-dépendant sont également étudiés et
identifiés. La qualité de la vidéo reçue a été évaluée subjectivement. En
analysant les résultats des expériences subjectives, nous introduisons alors
un schéma adaptatif, c’est-à-dire adapté à la connaissance du contenu vidéo.
Enfin, nous avons simulé un scénario d’application afin d’évaluer un taux de
débit réaliste. Dans la troisième partie, nous utilisons une carte de
déplacement, calculées au travers des propriétés de mouvement du contenu
vidéo, comme entrée pour l’algorithme de masquage d’erreur par
recouvrement (inpainting based error concealment algorithm). Une
expérience subjective a été conduite afin d’évaluer l’algorithme et d’étudier la
perturbation de l’observateur au visionnage de la vidéo traitée. La quatrième
partie possèdent deux sous-parties. La première se penche sur les
algorithmes de sélections par HRC pour les grandes bases de données de
vidéos. La deuxième partie introduit l’évaluation de la qualité vidéo utilisant la
connaissance du contenu global non-référencé.
Origine : Fichiers produits par l'(les) auteur(s)