Acknowledgement
본 논문은 정보통신기획평가원의 지원을 받아 수행된 연구임(No. 2020-0-00011, 기계를 위한 영상 부호화 기술).
Proceedings of the Korean Society of Broadcast Engineers Conference (한국방송∙미디어공학회:학술대회논문집)
- 2022.06a
- /
- Pages.140-142
- /
- 2022
multi-scale feature compression for VCM
VCM 을 위한 다중 스케일 특징 압축 방법
- Han, Heeji (Hanbat National University) ;
- Choi, Minseok (Hanbat National University) ;
- Jung, Soon-heung (Electronics and Telecommunications Research Institute) ;
- Kwak, Sangwoon (Electronics and Telecommunications Research Institute) ;
- Choo, Hyon-Gon (Electronics and Telecommunications Research Institute) ;
- Cheong, Won-Sik (Electronics and Telecommunications Research Institute) ;
- Seo, Jeongil (Electronics and Telecommunications Research Institute) ;
- Choi, Haechul (Hanbat National University)
- 한희지 (한밭대학교) ;
- 최민석 (한밭대학교) ;
- 정순흥 (한국전자통신연구원) ;
- 곽상운 (한국전자통신연구원) ;
- 추현곤 (한국전자통신연구원) ;
- 정원식 (한국전자통신연구원) ;
- 서정일 (한국전자통신연구원) ;
- 최해철 (한밭대학교)
- Published : 2022.06.20
Abstract
최근 신경망 기반 기술들의 발달에 따라, 신경망 기술들은 충분히 높은 임무 수행 성능을 달성하고 있으며 사물인터넷, 스마트시티, 자율주행 등 다양한 환경을 고려한 응용 역시 활발히 연구되고 있다. 하지만 이러한 신경망의 임무 다양성과 복잡성은 더욱 많은 비디오 데이터가 요구되며 대역폭이 제한된 환경을 고려한 응용에서 이러한 비디오 데이터를 효과적으로 전송할 방법이 필요하다. 이에 따라 국제 표준화 단체인 MPEG 에서는 신경망 기계 소비에 적합한 비디오 부호화 표준 개발을 위해 Video Coding for Machines (VCM) 표준화를 진행하고 있다. 본 논문에서는 신경망의 특징 부호화 효율을 개선하기 위하여 VCM 을 위한 다중 스케일 특징 압축 방법을 제안한다. COCO2017 데이터셋의 검증 영상을 기반으로 제안방법을 평가한 결과, 압축된 특징의 크기는 원본 이미지의 0.03 배이며 6.8% 미만의 임무 정확도 손실을 보였다.
Keywords