Key points are not available for this paper at this time.
تستحوذ الفيديو على الجزء الأهم من حركة مرور البيانات العالمية، حيث يتم إنتاج الفيديو في كل جانب من جوانب حياتنا. بسبب حجمها الهائل، نحن نعتمد بشكل أكبر على التحليل المعتمد على ذكاء الآلة. في الوقت نفسه، تم تحسين تقنية تشفير الفيديو باستمرار لتحقيق كفاءة ضغط أفضل. ومع ذلك، فإن معايير تشفير الفيديو المتقدمة، مثل H.265/HEVC وتشفير الفيديو المتنوع (VVC)، لا تزال مصممة على افتراض أن الفيديو المضغوط سيتم مشاهدته من قبل إنسان لاحقًا. مثل هذا التصميم ليس مثاليًا عندما يتم استخدام الفيديو المضغوط بواسطة تطبيقات رؤية الكمبيوتر. بينما يكون النظام البصري البشري (HVS) حساساً دائماً للمحتوى ذو التباين العالي، فإن تأثير وحدات البكسل على خوارزميات رؤية الكمبيوتر مدفوع بالمهمة. على سبيل المثال، بسبب الفئات المختلفة للأشياء المستخدمة لتدريب خوارزميات الاكتشاف، يتفاوت تأثير نفس محتوى الصورة على تلك الكاشفات. لذلك، قد لا تكون استراتيجيات تشفير الفيديو الموجهة نحو الإنسان مثالية عندما يتم معالجة الإشارة المضغوطة بواسطة الخوارزميات، حيث لا يكون المشفر على علم بمعلومات المهمة المحددة. في هذه المقالة، وكمثال على اكتشاف الأشياء، نقترح استراتيجية جديدة لتشفير الفيديو لرؤية الكمبيوتر. من خلال حماية المعلومات وفقًا لأهميتها لكاشف الأجسام بدلاً من النظام البصري البشري، فإن طريقتنا المقترحة لديها القدرة على تحقيق أداء أفضل في اكتشاف الأشياء مع نفس عرض النطاق الترددي. المساهمات الرئيسية لورقتنا هي: 1) نمذجة العلاقة بين دقة اكتشاف الأشياء ومعدل البت؛ 2) طريقة قائمة على التراجع الانتشاري لتحليل تأثير كل بكسل على اكتشاف الأهداف؛ 3) مخطط تحديد تخصيص بت موجه نحو اكتشاف الأشياء وتحديد معلمات التحكم في التشفير؛ 4) مقياس تقييم لمقارنة تأثير استراتيجيات تشفير الفيديو على كاشف الأشياء المعطى عبر نطاق محدد مسبقًا من معدلات البت. تظهر النتائج التجريبية أن خوارزمينا المقترحة يمكن أن تحافظ بشكل أفضل على محتوى الفيديو الحيوي لاكتشاف الأشياء مقارنةً بخطط تشفير الفيديو المتقدمة.
دراسات كاي وآخرون (الثلاثاء) هذا السؤال.