Banca de TCC: Gabriel Leitão Cardoso

UNIVERSIDADE FEDERAL DE PELOTAS
CENTRO DE DESENVOLVIMENTO TECNOLÓGICO
TRABALHO DE CONCLUSÃO DE CURSO

Apresentações Finais (2015/1)

Uma ferramenta para avaliação visual de algoritmos de estimação de movimento
por
Gabriel Leitão Cardoso

Curso:
Ciência da Computação

Banca:
Prof. Marcelo Schiavon Porto (orientador)
Prof. Bruno Zatt (co-orientador)
Prof. Paulo Roberto Ferreira Jr.
Prof. Anderson Priebe Ferrugem

Data: 29 de Junho de 2015

Hora: 18:00h

Local: Lab 3

Resumo do Trabalho: A etapa da estimação de movimento (ME – Motion Estimation) é a mais complexa e também a que apresenta os maiores impactos nas taxas de compressão dentre todas presentes nos codificadores atuais. A estimação de movimento é responsável por aproximadamente 80% da complexidade dos codificadores de vídeo atuais. Devido a alta complexidade desse processo, diversos algoritmos rápidos de estimação de movimento foram desenvolvidos. Estes algoritmos utilizam-se de heurísticas na tentativa de acelerar o processo da estimação de movimento. Estes algoritmos alcançam um resultado muito próximo ao algoritmo ótimos em vídeos de baixa resolução, contudo, conforme o aumento da resolução eles perdem eficiência na codificação quando comparados ao algoritmo ótimo. Isto se deve ao fenômeno de mínimos locais. Os mínimos locais são resultados em uma área de busca que apresentam um característica importante: possuem o melhor casamento em uma região específica da área de busca, que pode até ser ser próximo ao resultado ótimo, no entanto, estão distantes do resultado ótimo e cercadas por resultados inferiores. Isto faz com que as heurísticas dos algoritmos rápidos convirjam para estas regiões, deixando de encontrar o casamento ótimo e, por consequência, ocasionando em perdas na taxa de compressão e qualidade. Este trabalho tem como objetivo o desenvolvimento de uma ferramenta para avaliação visual do comportamento dos algoritmos rápidos de estimação de movimento. Esta ferramenta tem como função principal ajudar a identificar os casos e as razões nas quais os algoritmos rápidos de estimação de movimento não conseguem alcançar o melhor casamento. A ferramenta desenvolvida se chama Motion Estimation Lens e permite que o usuário selecione uma sequência de vídeo e aplique algoritmos rápidos de estimação de movimento a um bloco de um quadro da sequência, gerando dados sobre o comportamento e o resultado dos algoritmos. Desta forma, esta ferramenta pode auxiliar pesquisadores no desenvolvimento de novos algoritmos rápidos de ME que sejam menos suscetíveis aos mínimos locais.

Para mais informações acesse: http://inf.ufpel.edu.br/notcc/doku.php?id=bancas:2015_1