Défis pour adapter les codecs vidéo basés sur l'IA

Les données vidéo dominent désormais le trafic Internet, représentant plus de 80% de la consommation totale de bande passante, avec une croissance tirée par les plateformes de streaming (YouTube, Netflix, Prime Video, etc.), les médias sociaux (Facebook, Instagram, etc.), la conférence vidéo (Zoom, les équipes, RingCentral, etc.) et les systèmes de surveillance vidéo. À mesure que la demande augmente, il en va de même pour la nécessité de techniques de compression vidéo plus efficaces pour réduire l'utilisation de la bande passante sans sacrifier la qualité visuelle.

Le vieux paradigme: codecs traditionnels

Les codecs vidéo traditionnels comme H.264 / AVC et H.265 / HEVC reposent sur des techniques conçues à la main telles que:

• Estimation de mouvement basée sur les blocs
• Blocage macro
• Transformer le codage à l'aide de la transformée en cosinus discret (DCT)
• Codage d'entropie

Ces méthodes ont été affinées au fil des décennies, culminant dans des normes complexes qui offrent une efficacité de compression élevée. Cependant, chaque nouvelle génération telle que H.266 / VVC (codage vidéo polyvalent), augmente la complexité, la mise en œuvre de l'implémentation, l'optimisation et le support matériel plus difficile. L'adoption de nouvelles normes est souvent en retard sur des années de normalisation, en partie en raison de cette charge de calcul croissante.

Le nouveau paradigme: codecs basés sur l'IA

Les progrès récents de l'apprentissage en profondeur ont ouvert la voie à un nouveau paradigme en compression vidéo:

Au lieu de s'appuyer sur des transformations fixes et des heuristiques conçues à la main, les codecs basés sur l'IA apprennent à compresser les données vidéo à l'aide ...
[Courte citation de 8% de l'article original]