HyperAIHyperAI

Command Palette

Search for a command to run...

التقاط تغيرات معدل إطارات الفيديو من خلال الفرق الإنتروبي

Pavan C. Madhusudana Neil Birkbeck Yilin Wang Balu Adsumilli Alan C. Bovik

الملخص

تُعد مقاطع الفيديو ذات معدل الإطارات العالي (High frame rate videos) شائعة بشكل متزايد في السنوات الأخيرة، مدفوعة بالمتطلبات القوية من قِبل قطاعي الترفيه والبث لتقديم تجربة عالية الجودة للمستهلكين. ولتحقيق أفضل توازن بين متطلبات عرض النطاق الترددي وجودة الفيديو من حيث التكيف مع معدل الإطارات، يُعد فهم تأثير معدل الإطارات على جودة الفيديو أمرًا بالغ الأهمية. في هذا السياق، قمنا بتطوير طريقة إحصائية جديدة تعتمد على الفرق في الانتروبيا، باستخدام نموذج التوزيع الغاوسي العام (Generalized Gaussian Distribution) المُعبّر عنه في مجالات النطاق المكاني والزمني الممررة (spatial and temporal band-pass domains)، والتي تقيس الفرق في الجودة بين مقاطع الفيديو المرجعية والمضروبة. ويتميز التصميم المقترح بقدرته العالية على التعميم، ويمكن استخدامه حتى عندما تختلف معدلات الإطارات بين التسلسلين المرجعي والمضروب. كما تُظهر النموذج المقترح ارتباطًا قويًا جدًا بالدرجات الذاتية (subjective scores) في قاعدة البيانات الحديثة LIVE-YT-HFR، ويحقق أداءً متقدمًا جدًا مقارنةً بالأساليب الحالية.


بناء الذكاء الاصطناعي بالذكاء الاصطناعي

من الفكرة إلى الإطلاق — سرّع تطوير الذكاء الاصطناعي الخاص بك مع المساعدة البرمجية المجانية بالذكاء الاصطناعي، وبيئة جاهزة للاستخدام، وأفضل أسعار لوحدات معالجة الرسومات.

البرمجة التعاونية باستخدام الذكاء الاصطناعي
وحدات GPU جاهزة للعمل
أفضل الأسعار

HyperAI Newsletters

اشترك في آخر تحديثاتنا
سنرسل لك أحدث التحديثات الأسبوعية إلى بريدك الإلكتروني في الساعة التاسعة من صباح كل يوم اثنين
مدعوم بواسطة MailChimp
التقاط تغيرات معدل إطارات الفيديو من خلال الفرق الإنتروبي | مستندات | HyperAI