Adaptive Kodierung in JPEG AI
Beschreibung
Der vor kurzer Zeit verabschiedete Bildkodierungsstandard JPEG AI nutzt neuronale Netzwerke, um Bilder effizient zu kodieren. Dabei erreicht er eine vergleichsweise niedrige Bitrate bei hoher Bildqualität. Sowohl in der klassischen als auch in der lernbasierten Kodierung konnte man zeigen, dass Techniken, die adaptiv auf den Bildinhalt reagieren, eine höhere Kompressionsrate ermöglichen.
Bei der Verabschiedung eines Standards wird immer nur die Dekodierseite festgelegt, damit codierte Bilder auf jedem Endgerät angesehen werden können. Weil der Kodierprozess kein Teil des Standards ist, bieten sich hier viele Möglichkeiten, weitere Verbesserungen zu entwickeln.
Im Rahmen einer Abschlussarbeit können verschiedene adaptive Kodieroptimierungen implementiert und getestet werden.
Voraussetzungen
Vorausgesetzt werden:
- Solide Kenntnisse in Python
- Erfahrung in Bild- und Videokompression (z.B. Vorlesung/Laborpraktikum)
- Kenntnisse in Deep Learning (PyTorch)
Betreuer
Simon Deniffel
simon.deniffel@fau.de
Raum 06.036