利用压缩帧大小实现超快速视频分类

Mar, 2024

利用压缩帧大小实现超快速视频分类

Leveraging Compressed Frame Sizes For Ultra-Fast Video Classification

Yuxing Han, Yunan Ding, Chen Ye Gan, Jiangtao Wen

TL;DR通过检查视频的后压缩比特流进行分类，我们提出了一种新颖的方法，消除了对比特流解码的需求，并在性能上超越了传统的动态时间规整算法。

Abstract

Classifying videos into distinct categories, such as Sport and Music Video, is crucial for multimedia understanding and retrieval, especially when an immense volume of video content is being constantly generated. Traditional methods require video decompression to extract pixel-level features like color, texture, and motion, thereby increasing computational a

video classification post-compression bitstream performance degradation low-quality videos dynamic time warping

发现论文，激发创造

以比特流封面判断视频

视频分类中，通过研究视频的压缩比特流来代替传统方法中涉及视频解压缩的特征提取，以提高分类性能和处理速度。通过验证自定义数据集，结果表明该方法在精度、准确率和召回率方面都超过 80%，而且处理速度是真实时间的 15000 倍，比传统的动态时间规整算法效果好六个数量级。

Sep, 2023

利用视频编码知识进行深度视频增强

本文提出了一种新的框架，利用视频压缩的低延迟配置和上下文自适应视频融合方法，提高 BasicVSR ++ 方法的质量，已在 NTIRE22 挑战中得到验证，并在定量指标和视觉质量方面与之前的方法相比均有所提高。

Feb, 2023

压缩视频动作识别

通过对压缩视频进行深度网络培训，利用视频压缩技术，获得了更高密度的信息、4.6 倍于 Res3D 和 2.7 倍于 ResNet-152 的速度以及在 UCF-101、HMDB-51 和 Charades 数据集上均优于其他方法的性能。

Dec, 2017

准确快速压缩视频字幕生成

在压缩领域中，通过使用简单而有效的端到端转换器实现从压缩视频中进行学习并进行视频字幕生成，该方法在不同基准测试中取得了最先进的性能，并且运行速度比现有方法快近 2 倍。

Sep, 2023

学习型视频压缩

我们提出了一种 ML-based 的视频编码算法，通过评估不同分辨率和基于商业编解码器的标准视频压缩测试集发现，在低延迟模式下相对于 HEVC/H.265, AVC/H.264 和 VP9，我们的算法通常产生更小的代码。并且，我们的方法不会出现图块失真和像素化，可以产生更加视觉上令人愉悦的视频。

Nov, 2018

可扩展的视频编码，为人类和机器而设计

本文提出了一种可扩展的视频编码框架，该框架通过基础层比特流支持机器视觉（特别是物体检测）和增强层比特流支持人类视觉，并且结果表明，该框架在物体检测方面比最先进的视频编解码器节省 13-19％的比特率，同时在人类视觉任务的 MS-SSIM 方面保持有竞争力。

Aug, 2022

基于动画的视频压缩的预测编码

基于图像动画的视频压缩方法，通过使用预测编码方案和图像动画作为预测器，以及针对实际目标帧的残差编码，有效地提高压缩率，与 HEVC 和 VVC 相比可获得超过 70% 和 30% 的比特率增益。

Jul, 2023

模拟原始域：在压缩领域中加速动作识别

本文提出了一种基于压缩视频领域的新方法，旨在通过利用运动向量和残差来加速计算并减少网络参数，在三个常用数据集上实验表明该模型不仅能够保持较高的准确率还具备更高的识别效率。

Nov, 2019

基于压缩算法的数字视频篡改检测技术

提出了一种通过分析 H.264 编码使用的压缩算法的取证技术，利用宏块和运动矢量的信息来准确检测视频是否被重新压缩。

Feb, 2024

深度上下文视频压缩

本文提出了一种基于深度上下文视频压缩框架的条件编码方案，通过特征域上下文作为条件来利用高维的上下文，从而在视频质量更高的情况下实现大幅度的比特率节省。

Sep, 2021