Nome do Projeto
Aceleração da Codificação de Mapas de Profundidade no Padrão 3D-HEVC de Codificação de Vídeos Através de Árvores de Decisão Construídas com Mineração de Dados e Aprendizado de Máquina
Ênfase
PESQUISA
Data inicial - Data final
13/05/2017 - 12/05/2019
Unidade de Origem
Coordenador Atual
Área CNPq
Ciências Exatas e da Terra - Ciência da Computação - Sistema de Computação
Resumo
A ideia desse projeto é utilizar mineração de dados e aprendizado de máquina para desenvolver soluções eficientes de redução de complexidade na codificação dos mapas de profundidade do padrão 3D-HEVC, com impactos mínimos na eficiência de codificação.
Objetivo Geral
O principal objetivo deste projeto é a geração de soluções inovadoras, direcionadas para a redução do esforço computacional da codificação de mapas de profundidade no 3D-HEVC, focando em minimizar as perdas de eficiência e maximizar os ganhos de redução de esforço computacional. As soluções que serão investigadas visam eliminar avaliações da estrutura de quadtrees da codificação de mapas de profundidade que seriam avaliadas pelo fluxo normal. Para tanto, pretende-se usar técnicas de mineração de dados e aprendizado de máquina. Além de outras vantagens, espera-se que as soluções geradas permitam que codificadores 3D tenham um menor consumo de energia, possibilitando seu uso em sistemas embarcados alimentados com bateria.
Equipe do Projeto
| Nome | CH Semanal | Data inicial | Data final |
|---|---|---|---|
| GUSTAVO FREITAS SANCHEZ | 30 | 13/05/2017 | 12/05/2019 |
| MÁRIO ROBERTO DE FREITAS SALDANHA | 30 | 13/05/2017 | 12/05/2019 |