مقاله ارزیابی کیفیت ویدیو بر اساس ترانسفورماتور Swin V2 و استراتژی درشت به ظریف

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

عنوان مقاله به انگلیسی Video Quality Assessment Based on Swin TransformerV2 and Coarse to Fine Strategy
عنوان مقاله به فارسی مقاله ارزیابی کیفیت فیلم بر اساس ترانسفورماتور SWIN V2 و درشت به استراتژی خوب
نویسندگان Zihao Yu, Fengbin Guan, Yiting Lu, Xin Li, Zhibo Chen
زبان مقاله انگلیسی
فرمت مقاله: PDF
تعداد صفحات 5
دسته بندی موضوعات Computer Vision and Pattern Recognition,Machine Learning,Image and Video Processing,چشم انداز رایانه و تشخیص الگوی , یادگیری ماشین , پردازش تصویر و فیلم ,
توضیحات Submitted 16 January, 2024; originally announced January 2024.
توضیحات به فارسی 16 ژانویه 2024 ارسال شد.در ابتدا ژانویه 2024 اعلام شد.

چکیده

The objective of non-reference video quality assessment is to evaluate the quality of distorted video without access to reference high-definition references. In this study, we introduce an enhanced spatial perception module, pre-trained on multiple image quality assessment datasets, and a lightweight temporal fusion module to address the no-reference visual quality assessment (NR-VQA) task. This model implements Swin Transformer V2 as a local-level spatial feature extractor and fuses these multi-stage representations through a series of transformer layers. Furthermore, a temporal transformer is utilized for spatiotemporal feature fusion across the video. To accommodate compressed videos of varying bitrates, we incorporate a coarse-to-fine contrastive strategy to enrich the model's capability to discriminate features from videos of different bitrates. This is an expanded version of the one-page abstract.

چکیده به فارسی (ترجمه ماشینی)

هدف از ارزیابی کیفیت فیلم غیر مرجع ، ارزیابی کیفیت فیلم تحریف شده بدون دسترسی به منابع مرجع با کیفیت بالا است.در این مطالعه ، ما یک ماژول ادراک مکانی پیشرفته ، از پیش آموزش داده شده در مجموعه داده های ارزیابی کیفیت تصویر ، و یک ماژول فیوژن زمانی سبک وزن را برای پرداختن به کار ارزیابی کیفیت بینایی بدون مرجع (NR-VQA) معرفی می کنیم.این مدل ترانسفورماتور SWIN V2 را به عنوان یک استخراج کننده ویژگی فضایی در سطح محلی پیاده سازی می کند و این نمایش های چند مرحله ای را از طریق یک سری از لایه های ترانسفورماتور فیوز می کند.علاوه بر این ، یک ترانسفورماتور زمانی برای همجوشی ویژگی های مکانی و مکانی در سراسر فیلم استفاده می شود.برای قرار دادن فیلم های فشرده شده از بیت های مختلف ، ما یک استراتژی متضاد درشت به نام را برای غنی سازی توانایی مدل برای تبعیض از ویژگی های فیلم های بیت های مختلف درج می کنیم.این یک نسخه گسترده از چکیده یک صفحه است.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.