Wykrywanie trudnych do kompresji sekwencji wideo na podstawie obiektywnych metryk jakości

• Autorzy: Korus Filip , Juszka Dawid , Grega Michał , Leszczuk Mikołaj , Suchoń Michał

Identyfikatory

DOI

10.15199/59.2024.4.90

Warianty tytułu

EN

Detection of hard-to-compress video sequences based on objective quality metrics

• Konferencja: Konferencja Radiokomunikacji i Teleinformatyki (11-13.09.2024 ; Poznań, Polska)
• Języki publikacji: PL

Abstrakty

PL

Serwisy strumieniowania wideo odpowiadają za 82% całego ruchu IP (dane na rok 2022 według Cisco). Netflix, TikTok, YouTube czy Twitch, zyskują popularność, przyciągając zarówno uwagę fanów filmów i seriali, jak i miłośników gier komputerowych. Jednak, kompresja materiałów wideo generowanych podczas wydarzeń e-sportowych staje się wyzwaniem, nawet dla zaawansowanych kodeków. Badania oparte na metrykach jakości wideo ujawniają te trudności, co pozwoliło opracować model uczenia maszynowego do oceny trudności kompresji.

EN

Video streaming services account for 82% of all IP traffic (as of 2022, according to Cisco). Netflix, Tik-Tok, YouTube and Twitch are gaining popularity, attracting the attention of both fans of films and series, as well as computer game enthusiasts. However, compressing video content generated during e-sports events becomes a challenge, even for advanced video codecs. Research based on video quality metrics reveals these difficulties. As a result, a machine learning model was developed to assess compression difficulty.

Słowa kluczowe

PL

gra komputerowa; jakość wideo; model uczenia maszynowego; QoE

EN

gameplay; machine learning model; QoE; video quality

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Telekomunikacyjny + Wiadomości Telekomunikacyjne
• Rocznik: 2024
• Tom: nr 4
• Strony: 405--408
• Opis fizyczny: Bibliogr. 10 poz., rys., tab., wykr.

Twórcy

autor

Korus Filip

• AGH, Akademia Górniczo-Hutnicza, Kraków

autor

Juszka Dawid

• AGH, Akademia Górniczo-Hutnicza, Kraków

autor

Grega Michał

• AGH, Akademia Górniczo-Hutnicza, Kraków

autor

Leszczuk Mikołaj

• AGH, Akademia Górniczo-Hutnicza, Kraków

autor

Suchoń Michał

• tvhive sp. z o. o.

Bibliografia

• [1] Dey Ishani, Pratap Vibha. 2023. „A Comparative Study of SMOTE, Borderline-SMOTE, and ADA-SYN Oversampling Techniques using Different Classifiers”. 2023 3rd International Conference on Smart Data Intelligence (ICSMDI): 294-302.
• [2] Cisco. 2020. „Cisco Annual Internet Report (2018–2023)”. White Paper.
• [3] Mercat Alexandre, Mäkinen Arttu, Sainio Joose, Lemmetti Ari, Viitanen Marko, Vanne Jarno. 2021. „Comparative Rate-Distortion-Complexity Analysis of VVC and HEVC Video Codecs”. IEEE Access 9: 67813-67828.
• [4] Pinson Margaret, Boyd Karen Sue, Hooker Jessica, Muntean Kristina. 2013. „HOW TO CHOOSE VIDEO SEQUENCES FOR VIDEO QUALITY ASSESSMENT”. Proceedings of the Seventh International Workshop on Video Processing and Quality Metrics for Consumer Electronics.
• [5] Robitza Werner, Rao Ramachandra Rao Rakesh, Göring Steve, Raake Alexander. 2021. „Impact of Spatial and Temporal Information on Video Quality and Compressibility”.
• [6] Fenimore, Charles, John Libert, and Stephen Wolf. 1998. „Perceptual Effects of Noise in Digital Video Compression.” 140th SMPTE Technical Conference.
• [7] Uddin Syed, Leszczuk Mikołaj, Grega Michał. 2022. „Preliminary Study on Video Codec Optimization Using VMAF”. Intelligent Information and Database Systems: 469–480.
• [8] Li Zhi, Aaron Anne, Katsavounidis Ioannis, Moorthy Anush, Manohara Megha. 2016. „Toward a practical perceptual video quality metric”. The Netflix Tech Blog 6 (2): 2.
• [9] ITU-T Recommendation P.910. 1994. „Two criteria for video test scene selection”.
• [10] Barman Nabajeet, Martini Maria. 2022. „User Generated HDR Gaming Video Streaming: Dataset, Codec Comparison, and Challenges”. IEEE Transactions on Circuits and Systems for Video Technology 32 (3): 1236-1249.

Uwagi

Opracowanie rekordu ze środków MNiSW, umowa nr POPUL/SP/0154/2024/02 w ramach programu "Społeczna odpowiedzialność nauki II" - moduł: Popularyzacja nauki (2025).