한국방송∙미디어공학회:학술대회논문집 (Proceedings of the Korean Society of Broadcast Engineers Conference)

한국방송∙미디어공학회 (The Korean Institute of Broadcast and Media Engineers)
권호 표지

심층 합성곱 신경망 기반 JND 모델을 이용한 인지 비디오 부호화

Perceptual Video Coding using Deep Convolutional Neural Network based JND Model

  • 김종호 (한국전자통신연구원, 실감 AV 연구그룹) ;
  • 이대열 (한국전자통신연구원, 실감 AV 연구그룹) ;
  • 조승현 (한국전자통신연구원, 실감 AV 연구그룹) ;
  • 정세윤 (한국전자통신연구원, 실감 AV 연구그룹) ;
  • 최진수 (한국전자통신연구원, 실감 AV 연구그룹) ;
  • 김휘용 (한국전자통신연구원, 실감 AV 연구그룹)
  • Kim, Jongho (Realistic AV research group Electronics and Telecommunications Research Institute) ;
  • Lee, Dae Yeol (Realistic AV research group Electronics and Telecommunications Research Institute) ;
  • Cho, Seunghyun (Realistic AV research group Electronics and Telecommunications Research Institute) ;
  • Jeong, Seyoon (Realistic AV research group Electronics and Telecommunications Research Institute) ;
  • Choi, Jinsoo (Realistic AV research group Electronics and Telecommunications Research Institute) ;
  • Kim, Hui-Yong (Realistic AV research group Electronics and Telecommunications Research Institute)
  • 발행 : 2018.06.20
PDF 다운로드
⟨ 이전 논문 다음 논문 ⟩

초록

본 논문에서는 사람의 인지 시각 특성 중 하나인 JND(Just Noticeable Difference)를 이용한 인지 비디오 부호화 기법을 제안한다. JND 기반 인지 부호화 방법은 사람의 인지 시각 특성을 이용해 시각적으로 인지가 잘 되지 않는 인지 신호를 제거함으로 부호화 효율을 높이는 방법이다. 제안된 방법은 기존 수학적 모델 기반의 JND 기법이 아닌 최근 각광 받고 있는 데이터 중심(data-driven) 모델링 방법인 심층 신경망 기반 JND 모델 생성 기법을 제안한다. 제안된 심층 신경망 기반 JND 모델은 비디오 부호화 과정에서 입력 영상에 대한 전처리를 통해 입력 영상의 인지 중복(perceptual redundancy)를 제거하는 역할을 수행한다. 부호화 실험에서 제안된 방법은 동일하거나 유사한 인지화질을 유지한 상태에서 평균 16.86 %의 부호화 비트를 감소 시켰다.

키워드