دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
دسته بندی: برنامه نويسي ویرایش: نویسندگان: Mário Saldanha, Gustavo Sanchez, César Marcon, Luciano Agostini سری: Synthesis Lectures on Engineering, Science, and Technology ISBN (شابک) : 3031116399, 9783031116391 ناشر: Springer سال نشر: 2022 تعداد صفحات: 128 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 5 مگابایت
در صورت تبدیل فایل کتاب Versatile Video Coding (VVC): Machine Learning and Heuristics به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب کدگذاری ویدئویی همه کاره (VVC): یادگیری ماشین و اکتشافی نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
Foreword Acknowledgements Contents 1 Introduction References 2 Versatile Video Coding (VVC) 2.1 Basic Video Coding Concepts 2.2 VVC: A Hybrid Video Encoder 2.3 VVC Frames Organization and Block Partitioning 2.4 VVC Encoding Tools 2.4.1 VVC Prediction Tools 2.4.2 VVC Residual Coding and Entropy Coding 2.4.3 VVC In-Loop Filters 2.5 VVC Common Test Conditions References 3 VVC Intra-frame Prediction 3.1 Angular Intra-prediction 3.2 Multiple Reference Line Prediction 3.3 Matrix-Based Intra-prediction 3.4 Intra-sub-partition 3.5 Encoding of Chrominance CBs 3.6 Transform Coding References 4 State-of-the-Art Overview References 5 Performance Analysis of VVC Intra-frame Prediction 5.1 Methodology 5.2 VVC Versus HEVC: Intra-frame Compression Performance and Computational Effort Evaluation 5.3 VVC Intra-frame Computational Effort Distribution of Luminance and Chrominance Channels 5.4 VVC Intra-frame Block Size Analysis 5.5 VVC Intra-frame Encoding Mode Analysis 5.6 VVC Intra-frame Encoding Transform Analysis 5.7 Rate-Distortion and Computational Effort of VVC Intra-frame Coding Tools 5.8 General Discussion References 6 Heuristic-Based Fast Multi-type Tree Decision Scheme for Luminance 6.1 Initial Analysis 6.2 Designed Scheme 6.3 Results and Discussion References 7 Light Gradient Boosting Machine Configurable Fast Block Partitioning for Luminance 7.1 Background on LGBM Classifiers 7.2 Methodology 7.3 Features Analysis and Selection 7.4 Classifiers Training and Performance 7.5 Classifiers Integration 7.6 Results and Discussion References 8 Learning-Based Fast Decision for Intra-frame Prediction Mode Selection for Luminance 8.1 Fast Planar/DC Decision Based on Decision Tree Classifier 8.2 Fast MIP Decision based on Decision Tree Classifier 8.3 Fast ISP Decision Based on the Block Variance 8.4 Learning-Based Fast Decision Design 8.5 Results and Discussion References 9 Fast Intra-frame Prediction Transform for Luminance Using Decision Trees 9.1 Fast MTS Decision Based on Decision Tree Classifier 9.2 Fast LFNST Decision Based on Decision Tree Classifier 9.3 Fast Transform Decision Design 9.4 Results and Discussion References 10 Heuristic-Based Fast Block Partitioning Scheme for Chrominance 10.1 Chrominance CB Splitting Early Termination Based on Luminance QTMT 10.2 Fast Chrominance Split Decision Based on Variance of Sub-blocks 10.3 Fast Block Partitioning Scheme for Chrominance Coding Design 10.4 Results and Discussion References 11 Conclusions and Open Research Possibilities Index