Opis projektu
Technologia głębokiego uczenia wykorzystywana do dekarbonizacji strumieniowego przesyłania obrazów
Strumieniowe przesyłanie obrazów jest szkodliwe dla środowiska. Badania pokazują, że 60 minut transmisji strumieniowej w Europie powoduje emisję dwutlenku węgla odpowiadającą przejechaniu 250 metrów pojazdem spalinowym. Technologie kompresji wideo mogą pomóc odwrócić ten trend przez zmniejszenie ilości danych wykorzystywanych do kodowania cyfrowych treści wideo bez utraty jakości obrazu. Mimo starań podejmowanych przez głównych dostawców materiałów medialnych w zakresie zrewolucjonizowania kompresji obrazu oraz filmów wdrażanie opracowanych metod w urządzeniach konsumenckich nie jest proste. W ramach finansowanego ze środków UE projektu FALCON zbadane zostaną nowatorskie ramy opracowywania szybkiej i energooszczędnej kompresji obrazu i filmów opartej na głębokim uczeniu w celu zmniejszenia śladu węglowego. Wyniki przyniosą korzyści w zakresie realizacji ważnych polityk UE, takich jak porozumienie paryskie czy Europejski Zielony Ład.
Cel
The emerging Learned Compression (LC) methods show great potential to revolutionize image/video compression, and major media industries are investing heavily in this field. However, the high computational complexity of these methods makes it difficult to employ them in consumer devices, and this obstacle discourages using them in future compression standards, such as JPEG and MPEG, despite their superior performance compared to traditional methods. This project will investigate a novel framework for developing fast and energy-efficient Deep Learning-based compression. We will develop methods that (1) greatly improve the compression efficiency of LC, and (2) significantly reduce its computational complexity and energy consumption. Given the huge share of video industry in global Greenhouse gas emission, this will be a big step towards important EU policies such as the Paris agreement and the EU Green Deal. The objectives of the project are achieved via: (i) splitting the coding into smaller tasks, (ii) investigating efficient learning methods (including Operational Neural Networks, an invention of the supervisor of the project), and (iii) integrating human perception into image/video coding.
The experienced researcher holds a PhD in computer engineering, during which he worked on accelerating the encoding process of compression standards. He has a background and skill-set in hardware engineering, signal processing, media technology, and machine learning, which is necessary for this interdisciplinary project. The project will be carried out under the supervision of an internationally famous scientist who has extensive experience in both machine learning and video compression. The host institution in Finland has a long experience in EU funding and collaborations with industries. The results and findings will be published in top international journals and conferences. Moreover, some findings will be considered for possible exploitation in future MPEG/JPEG standards.
Dziedzina nauki (EuroSciVoc)
Klasyfikacja projektów w serwisie CORDIS opiera się na wielojęzycznej taksonomii EuroSciVoc, obejmującej wszystkie dziedziny nauki, w oparciu o półautomatyczny proces bazujący na technikach przetwarzania języka naturalnego. Więcej informacji: Europejski Słownik Naukowy.
Klasyfikacja projektów w serwisie CORDIS opiera się na wielojęzycznej taksonomii EuroSciVoc, obejmującej wszystkie dziedziny nauki, w oparciu o półautomatyczny proces bazujący na technikach przetwarzania języka naturalnego. Więcej informacji: Europejski Słownik Naukowy.
- inżynieria i technologia inżynieria elektryczna, inżynieria elektroniczna, inżynieria informatyczna inżynieria elektroniczna przetwarzanie sygnałów
- inżynieria i technologia inżynieria elektryczna, inżynieria elektroniczna, inżynieria informatyczna inżynieria elektroniczna sprzęt komputerowy
- nauki społeczne ekonomia i biznes ekonomia zrównoważona gospodarka
- nauki przyrodnicze informatyka sztuczna inteligencja uczenie maszynowe
- nauki przyrodnicze informatyka sztuczna inteligencja inteligencja obliczeniowa
Aby użyć tej funkcji, musisz się zalogować lub zarejestrować
Przepraszamy… podczas wykonywania operacji wystąpił nieoczekiwany błąd.
Wymagane uwierzytelnienie. Powodem może być wygaśnięcie sesji.
Dziękujemy za przesłanie opinii. Wkrótce otrzymasz wiadomość e-mail z potwierdzeniem zgłoszenia. W przypadku wybrania opcji otrzymywania powiadomień o statusie zgłoszenia, skontaktujemy się również gdy status ulegnie zmianie.
Słowa kluczowe
Słowa kluczowe dotyczące projektu wybrane przez koordynatora projektu. Nie należy mylić ich z pojęciami z taksonomii EuroSciVoc dotyczącymi dziedzin nauki.
Słowa kluczowe dotyczące projektu wybrane przez koordynatora projektu. Nie należy mylić ich z pojęciami z taksonomii EuroSciVoc dotyczącymi dziedzin nauki.
Program(-y)
Wieloletnie programy finansowania, które określają priorytety Unii Europejskiej w obszarach badań naukowych i innowacji.
Wieloletnie programy finansowania, które określają priorytety Unii Europejskiej w obszarach badań naukowych i innowacji.
-
H2020-EU.1.3. - EXCELLENT SCIENCE - Marie Skłodowska-Curie Actions
GŁÓWNY PROGRAM
Wyświetl wszystkie projekty finansowane w ramach tego programu -
H2020-EU.1.3.2. - Nurturing excellence by means of cross-border and cross-sector mobility
Wyświetl wszystkie projekty finansowane w ramach tego programu
Temat(-y)
Zaproszenia do składania wniosków dzielą się na tematy. Każdy temat określa wybrany obszar lub wybrane zagadnienie, których powinny dotyczyć wnioski składane przez wnioskodawców. Opis tematu obejmuje jego szczegółowy zakres i oczekiwane oddziaływanie finansowanego projektu.
Zaproszenia do składania wniosków dzielą się na tematy. Każdy temat określa wybrany obszar lub wybrane zagadnienie, których powinny dotyczyć wnioski składane przez wnioskodawców. Opis tematu obejmuje jego szczegółowy zakres i oczekiwane oddziaływanie finansowanego projektu.
System finansowania
Program finansowania (lub „rodzaj działania”) realizowany w ramach programu o wspólnych cechach. Określa zakres finansowania, stawkę zwrotu kosztów, szczegółowe kryteria oceny kwalifikowalności kosztów w celu ich finansowania oraz stosowanie uproszczonych form rozliczania kosztów, takich jak rozliczanie ryczałtowe.
Program finansowania (lub „rodzaj działania”) realizowany w ramach programu o wspólnych cechach. Określa zakres finansowania, stawkę zwrotu kosztów, szczegółowe kryteria oceny kwalifikowalności kosztów w celu ich finansowania oraz stosowanie uproszczonych form rozliczania kosztów, takich jak rozliczanie ryczałtowe.
MSCA-IF - Marie Skłodowska-Curie Individual Fellowships (IF)
Wyświetl wszystkie projekty finansowane w ramach tego programu finansowania
Zaproszenie do składania wniosków
Procedura zapraszania wnioskodawców do składania wniosków projektowych w celu uzyskania finansowania ze środków Unii Europejskiej.
Procedura zapraszania wnioskodawców do składania wniosków projektowych w celu uzyskania finansowania ze środków Unii Europejskiej.
(odnośnik otworzy się w nowym oknie) H2020-MSCA-IF-2020
Wyświetl wszystkie projekty finansowane w ramach tego zaproszeniaKoordynator
Kwota netto dofinansowania ze środków Unii Europejskiej. Suma środków otrzymanych przez uczestnika, pomniejszona o kwotę unijnego dofinansowania przekazanego powiązanym podmiotom zewnętrznym. Uwzględnia podział unijnego dofinansowania pomiędzy bezpośrednich beneficjentów projektu i pozostałych uczestników, w tym podmioty zewnętrzne.
33100 TAMPERE
Finlandia
Ogół kosztów poniesionych przez organizację w związku z uczestnictwem w projekcie. Obejmuje koszty bezpośrednie i pośrednie. Kwota stanowi część całkowitego budżetu projektu.