AI-based video compression for emerging technologies

Informazioni relative al progetto

AISTREAM

ID dell’accordo di sovvenzione: 965502

DOI 10.3030/965502

Progetto chiuso

Data della firma CE 24 Novembre 2020

Data di avvio 1 Gennaio 2021

Data di completamento 31 Dicembre 2022

Finanziato da

• Horizon 2020 Framework Programme

Costo totale € 4 139 897,50

Contributo UE € 2 999 928,00

Coordinato da

TECHNISCHE UNIVERSITAET WIEN
Austria

CORDIS fornisce collegamenti ai risultati finali pubblici e alle pubblicazioni dei progetti ORIZZONTE.

I link ai risultati e alle pubblicazioni dei progetti del 7° PQ, così come i link ad alcuni tipi di risultati specifici come dataset e software, sono recuperati dinamicamente da .OpenAIRE .

Risultati finali

Documents, reports (1)

Open-source License for Container

Opensource license for our AIbased streaming container

Other (1)

Conference Presentations

Deep Render and TU Wien to attend CVPR Conference (or similar) in 2021 and 2022, present in both years.

Pubblicazioni

Conference proceedings (6)

Impact of Learned Domain Specific Compression on Satellite Image Object Classification

Autori: Alexander Bayerl, Manuel Keglevic, Matthias Woedlinger, Robert Sablatnig
Pubblicato in: Proceedings of the 26th Computer Vision Winter Workshop (CVWW 2023), Numero 26th, 2023
Editore: CEUR Workshop Proceedings

Learned Lossy Image Compression for Volumetric Medical Data

Autori: Jan Kotera, Matthias Woedlinger, Manuel Keglevic
Pubblicato in: Proceedings of the 26th Computer Vision Winter Workshop (CVWW 2023), Numero 26th, 2023
Editore: CEUR Workshop Proceedings

Conditional Image Generation with Score-Based Diffusion Models

Autori: Georgios Batzolis, Jan Stanczuk, Carola-Bibiane Schönlieb, Christian Etmann
Pubblicato in: 2021
Editore: arXiv (for now, under conference submission)
DOI: 10.48550/arxiv.2111.13606

Perceptually-Guided Lossy Image Compression

Autori: Alexander Lytchier, Jan Xu, Christopher Finlay, Ciro Cursio, Vira Koshkina, Christian Besenbruch, Arsalan Zafar
Pubblicato in: 4th Challenge on Learned Image Compression, 2021, 2021
Editore: CVPR - CLIC 2021

SASIC: Stereo Image Compression With Latent Shifts and Stereo Attention

Autori: Wödlinger, Matthias and Kotera, Jan and Xu, Jan and Sablatnig, Robert
Pubblicato in: Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition, Numero 2022, 2022, Pagina/e 661--670
Editore: IEEE

Three Gaps for Quantisation in Learned Image Compression

Autori: Shi Pan, Christopher Finlay, Christian Besenbruch, William Knottenbelt
Pubblicato in: Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition 2021., 2021, Pagina/e 720-726
Editore: CVF - Computer Vision Foundation