Des collaborations UE-Chine pour améliorer la qualité des vidéos
La vidéo haute définition devient de plus en plus populaire, mais elle pose encore des problèmes en matière de compression et de stockage. Si les algorithmes de saillance spatiotemporelle actuels permettent de traiter la vidéo haute définition de manière plus efficace, des progrès sont encore possibles dans ce domaine, en particulier lorsque les vidéos sont visuellement très compliquées. Le projet SHIVPRO(s’ouvre dans une nouvelle fenêtre) (Saliency-aware high-resolution video processing), financé par l'UE, a réuni des experts universitaires chinois et européens du domaine afin d'améliorer les modèles de saillance. À partir de vidéos comportant des mouvements compliqués, l'équipe a étudié des applications et des technologies utiles telles que le reciblage vidéo, la détection d'objets saillants, l'agrégation de saillance et la prédiction de chemin de balayage visuel. Cela ouvre plusieurs nouvelles possibilités pour les applications prenant en compte la saillance, comme la manipulation de saillance dans les images, l'autofocus et la compréhension de scènes. Parmi les résultats importants obtenus par l'équipe de projet, on peut citer la conception d'un nouveau modèle de saillance spatiotemporelle basé sur des trajectoires de niveau superpixel qui est capable d'adapter les performances de détection de saillance dans des vidéos compliquées. L'équipe du projet a également proposé une approche de fusion orientée qualité pour intégrer la carte de saillance temporelle de niveau pixel à la carte de saillance spatiale de niveau pixel, ce qui permet d'améliorer les modèles de saillance spatiotemporelle de pointe sur les performances de détection de saillance. Elle a également amélioré les performances du reciblage grâce à une méthode de détection d'objets saillants spatiotemporels plus efficace qui optimise la saillance dans la fenêtre de détection. Cela inclut également les opérations de recadrage et de mise à l'échelle basées sur les régions d'objets spatiotemporels saillants détectées pour faire un reciblage vidéo plus efficace. Le projet a également permis de créer un nouveau cadre de prédictions des chemins de balayage visuels des spectateurs lorsqu'ils regardent une scène visuelle afin de créer de meilleurs modèles de saillance. Globalement, les résultats du projet peuvent être très utiles pour des applications critiques qui nécessitent des cartes de saillance de haute qualité. Tous ces résultats positifs ont été publiés dans des revues spécialisées et en ligne. Enfin, outre l'amélioration du traitement des vidéos haute définition, ce projet a également permis de créer de nouvelles initiatives de collaboration dans le domaine entre la Chine et l'UE.
