Développement de schémas de compression vidéo basés apprentissage
Théo Ladune · theses.fr (ABES) · 2021
La quantité toujours croissante d’images et de vidéos échangées sur Internet a un impact substantiel sur le changement climatique. Cet impact peut-être réduit via le développement de meilleurs algorithmes de compression, qui visent à réduire le volume de données représentant les vidéos, tout en conservant une qualité acceptable pour l’utilisateur. Depuis les années 90, des standards de compression vidéo ont été conçus afin de diminuer la taille des vidéos via une succession d’opérations linéaires. Ces standards sont développés de manière incrémentale, entraînant une optimisation séparée des différentes opérations. Récemment, les réseaux de neurones ont émergé comme une réponse pertinente à un grand nombre de problématiques, grâce à leur capacité à apprendre des fonctions non-linéaires au travers d’une optimisation de bout-en-bout. Si la compression neuronale constitue d’ores et déjà l’état de l’art pour le codage d’images fixes, le codage vidéo demeure une tâche plus difficile. Cette thèse propose de concevoir un codeur vidéo basé apprentissage, afin de tirer profit des capacités prometteuses des réseaux de neurones. Étant donné la nouveauté de ce domaine, la conception du codeur démarre d’une page blanche, et les différents éléments le composant sont étudiés en détail. Au final, l’évaluation du codeur proposé sur une tâche de codage vidéo réaliste montre qu’il présente des performances compétitives avec des standards de compression modernes.