Número do Painel | |
Autor | |
Instituição | UFSC |
Tipo de Bolsa | BIPI/UFSC |
Orientador | JOSE LUIS ALMADA GUNTZEL |
Depto | DEPARTAMENTO DE INFORMÁTICA E ESTATÍSTICA / INE/CTC |
Centro | CENTRO TECNOLOGICO |
Laboratório | Laboratório de Computação Embarcada (ECL) |
Grande Área / Área do Conhecimento | Ciências Exatas e da Terra
/Ciências Exatas e da Terra |
Sub-área do Conhecimento | Ciência da Computação |
Titulo | Desenvolvimento e Testes de Melhorias na Codificação de Vídeos Utilizando Um Novo Dataset |
Resumo | Nos últimos anos, técnicas de deep learning têm sido aplicadas com sucesso em diversas áreas como análise de dados, visão computacional, processamento de imagens e compressão de vídeo. Simultaneamente, há uma crescente demanda por técnicas para compressão de vídeo de alta resolução que não comprometam o armazenamento nem a quantidade de dados requeridos para transmissão. Assim, o uso de técnicas de deep learning destaca-se como opção para aumentar a eficiência dos codificadores de vídeo. Para o desenvolvimento dessas técnicas, os datasets utilizados são fundamentais e por isso, merecem especial atenção. Durante o período de realização deste trabalho de iniciação científica foram estudadas técnicas de melhorias da qualidade da compressão de vídeos através dos testes de uma proposta que combina métodos tradicionais de codificação de vídeo com interpolação de quadros de vídeo (VFI) baseada em Redes Neurais (NNs). Além disso, foi abordada a questão de datasets através de levantamento de diferentes conjuntos presentes na literatura, com escolha de um mais adequado para as implementações propostas. |
Link do Video | https://repositorio.ufsc.br/handle/123456789/250780 |
Palavras-chave | compressão de vídeos de alta resolução, eficiência energética, Convolutional Neural Networks CNNs |
Colaboradores | André Beims Bräscher |