In-Loop Filterung in der Video Codierung
Motivation
In vielen Anwendungen stellt die Größe von Videos eine Herausforderung dar. Heutige Kompressionsverfahren reduzieren die Größe von Videos signifikant ohne die Qualität stark zu beeinträchtigen. Allerdings ist die Menge an Video Daten und die Auflösung in den letzten Jahren kontinuierlich gestiegen. Dadurch wird eine effiziente Komprimierung zunehmend relevanter um Kosten für Speicher und Übertragungsnetze zu sparen. Dieses Projekt beschäftigt sich mit der Verbesserung von Video-Codecs. Heutige Kompressionsverfahren umfassen viele Schritte, wie Prädiktion, Quantisierung, Entropie-Codierung und In-Loop-Filterung. Der Hauptfokus von diesem Projekt ist die In-Loop-Filterung. Das Ziel hiervon ist, durch eine Filterung von codierten Bildern einer Video-Sequenz durchzuführen, sodass die Qualität verbessert wird. Dabei sollen Verzerrungen, die im Codierungsprozess entstehen gezielt reduziert werden um eine Verbesserung des Signals zu erreichen.
Wissenschaftliche Fragestellungen
- Wie können bestehende Prädiktions- und In-Loop-Filter Techniken verbessert werden?
- Wie können statistische Abhängigkeiten in Bildern ausgenutzt um eine Verbesserung des Bildes zu erzielen?
- Können Codierungsinformationen genutzt werden um Artefakte zu lokalisieren und zu reduzieren?
Abschlussarbeiten
Im Bereich Segmentierung und Tracking von mikroskopischen Bildern mittels Deep Learning werden regelmäßig neue Abschlussarbeiten ausgeschrieben. Entsprechend der oben genannten Projektbeschreibung gibt es in diesem Projekt mehrere Teilprobleme, die als Bachelor- und Masterarbeitsthemen interessant sein könnten und in einem persönlichen Gespräch besprochen werden können.