Archives de catégorie : Publication

Publication

[:fr]Article ICIP’19[:en]Paper accepted at IEEE ICIP’19 [:it]Article ICIP’19[:]

[:fr]Notre article sur la représentation scalable des hologrammes a été accepté dans la conférence IEEE ICIP’19:

Anas El Rhammad, Patrick Gioia, Antonin Gilles, Marco Cagnazzo, ‘SCALABLE CODING FRAMEWORK FOR A VIEW-DEPENDENT STREAMING OF DIGITAL HOLOGRAMS'[:en]Our article on scalable hologram representation has been accepted into IEEE ICIP’10 conference.

Anas El Rhammad, Patrick Gioia, Antonin Gilles, Marco Cagnazzo, ‘SCALABLE CODING FRAMEWORK FOR A VIEW-DEPENDENT STREAMING OF DIGITAL HOLOGRAMS'[:]

Publication

[:fr]Articles ICASSP[:en]ICASSP papers[:]

[:fr]Trois articles ont été acceptés dans la conférence IEEE ICASSP :
1) S. Zheng, M. Cagnazzo, M. Kieffer. « CHANNEL IMPULSIVE NOISE MITIGATION FOR LINEAR VIDEO CODING SCHEMES »
2) L. Wang, A. Fiandrotti, A. Purica, G. Valenzise, M. Cagnazzo. « ENHANCING HEVC SPATIAL PREDICTION BY CONTEXT-BASED LEARNING »
3) P. Nikitin, M. Cagnazzo, J. Jung. « COMPRESSION IMPROVEMENT VIA REFERENCE ORGANIZATION FOR 2D-MULTIVIEW CONTENT ».
Félicitations aux auteur.e.s, en particulier à Shuo, Li et Pavel.[:en]Three articles have been accepted into IEEE ICASSP :
1) S. Zheng, M. Cagnazzo, M. Kieffer. « CHANNEL IMPULSIVE NOISE MITIGATION FOR LINEAR VIDEO CODING SCHEMES »
2) L. Wang, A. Fiandrotti, A. Purica, G. Valenzise, M. Cagnazzo. « ENHANCING HEVC SPATIAL PREDICTION BY CONTEXT-BASED LEARNING »
3) P. Nikitin, M. Cagnazzo, J. Jung. « COMPRESSION IMPROVEMENT VIA REFERENCE ORGANIZATION FOR 2D-MULTIVIEW CONTENT ».
Congrats to Shuo, Li and Pavel.[:]

Publication

[:fr]Article TMM accepté[:en]Article in IEEE Transactions on Multimedia[:]

[:fr]L’article « Very Low Bitrate Semantic Compression of Airplane Cockpit Screen Content » a été accepté dans IEEE Trans. on Multimedia.
Félicitation à Iulia Mitrica, première auteure de cet étude portant sur la reconnaissance des éléments sémantiques (texte, graphes) dans le codage de la vidéo d’écrans d’avion.[:en]Our article entitled « Very Low Bitrate Semantic Compression of Airplane Cockpit Screen Content » has been accepted for publication in IEEE Transactions on Multimedia.

Congratulations to Iulia, our first author.[:]

Deep learning, Publication, Recherche

[:fr]Poster MMSP 2018[:en]Poster MMSP 2018[:]

[:fr]Le poster sur l’évaluation de qualité des techniques de compression basées sur l’apprentissage profond – article publié à la conférence IEEE Multimedia Signal Processing 2018 : « Quality assessment of deep-learning based image compression »

 

[slideshare id=132238942&doc=postermmsp2018web-190218143634&type=d][:en] »Quality assessment of deep-learning based image compression »

 

[slideshare id=132238942&doc=postermmsp2018web-190218143634&type=d][:it] »Quality assessment of deep-learning based image compression »

 

[slideshare id=132238942&doc=postermmsp2018web-190218143634&type=d][:]

Conférence, Prix, Publication

Best student paper award

[:fr]L’article « View-dependent compression of digital hologram based on matching pursuit »,  par A. El Rhammad, P. Gioia, A. Gilles, M. Cagnazzo, B. Pesquet-Popescu, paru dans SPIE Photonics Europe, vol. 10679 (Avril 2018, Strasbourg, France) a reçu le prix de meilleur article d’étudiant. Félicitations à Anas !

http://spie.org/conferences-and-exhibitions/photonics-europe/best-student-paper-awards[:en]Our paper « View-dependent compression of digital hologram based on matching pursuit »,  byA. El Rhammad, P. Gioia, A. Gilles, M. Cagnazzo, B. Pesquet-Popescu, published in SPIE Photonics Europe, vol. 10679 (Avril 2018, Strasbourg, France) has been awarded by the Best Student Paper Award. Congratulations to Anas !

http://spie.org/conferences-and-exhibitions/photonics-europe/best-student-paper-awards[:it]L’articolo « View-dependent compression of digital hologram based on matching pursuit »,  di A. El Rhammad, P. Gioia, A. Gilles, M. Cagnazzo, B. Pesquet-Popescu, pubblicato in SPIE Photonics Europe, vol. 10679 (Avril 2018, Strasbourg, France) ha ricevuto il premio di miglior articolo nella categoria Student Paper. Complimenti Anas!

http://spie.org/conferences-and-exhibitions/photonics-europe/best-student-paper-awards[:]

Compression, Deep learning, Publication

[:fr]Article accepté – MMSP[:en]Article accepted – MMSP 2018[:it]Articolo accettato – MMSP 2018[:]

[:fr]Notre article sur l’estimation de la qualité des images compressées avec les techniques basées sur l’apprentissage profond a été accepté dans la conférence IEEE Multimedia Signal Processing 2018 (MMSP) [1].

Dans cet article nous utilisons 2 parmi les plus récentes méthodes de compression basées sur le DL, développées respectivement par Ballé et al. [2] et par Toderici et al. [3]. Les images compressés avec ces méthodes ont été évaluées par un panel d’une vingtaine de personnes. Nous avons également considéré des images compressées avec des techniques « classiques » (HEVC-INTRA (BPG) et  JPEG2000).  Nous avons trouvé que la qualité subjective est souvent meilleure que JPEG2000, et en tout cas très proche. Par contre BPG a encore des meilleurs résultats en moyenne, même si sur certaines images la méthode [3] est la meilleure.

RDV sur [1] pour plus de détails! (Le PDF de cet article sera prochainement disponible).

[1] G. Valenzise, A. Purica, V. Hulusic, M. Cagnazzo. « Quality Assessment of Deep-Learning-Based Image Compression ». To appear in IEEE Multimedia Signal Processing Workshop, 2018.

[2] J. Ballé, V. Laparra, and E. P. Simoncelli, “End-to-end optimized image compression,” in Int. Conf. on Learning Representations (ICLR), Toulon, France, Apr. 2017.

[3] G. Toderici, D. Vincent, N. Johnston, S. J. Hwang, D. Minnen, J. Shor, and M. Covell, “Full resolution image compression with recurrent neural networks,” in IEEE Int. Conf. on Computer Vision and Pattern Recognition (CVPR), Honolulu, Hawaii, USA, Jul. 2017, pp. 5435–5443.[:en]

Our article on  quality assessment of compressed images with deep learning techniques has been accepted in the IEEE Multimedia Signal Processing 2018 (MMSP) conference [1].

In this article we use two of the most recent compression methods based on DL, developed respectively by Ballé et al. [2] and by Toderici et al. [3]. The images compressed with these methods were evaluated by a panel of around twenty people. We also considered images compressed with « classical » techniques (HEVC-INTRA (BPG) and JPEG2000). We found that the subjective quality is often better than JPEG2000, and in any case very close. On the other hand, BPG still has better results on average, even if on certain images the method [3] is the best one.

RDV on [1] for more details! (The PDF of this article will be available soon).

[1] G. Valenzise, ​​A. Purica, V. Hulusic, M. Cagnazzo. « Quality Assessment of Deep-Learning-Based Image Compression ». To appear in IEEE Multimedia Signal Processing Workshop, 2018.

[2] J. Ballé, V. Laparra, and E. P. Simoncelli, « End-to-end optimized image compression, » in Int. Conf. on Learning Representations (ICLR), Toulon, France, Apr. 2017.

[3] Toderici G., Vincent D., Johnston N., Hwang S., Minnen D, Shor J., Covell M., « Full resolution image compression with recurrent neural networks, » in IEEE Int. Conf. on Computer Vision and Pattern Recognition (CVPR), Honolulu, Hawaii, USA, Jul. 2017, pp. 5435-5443.

[:it]Il nostro articolo sulla stima della qualità delle immagini compresse con tecniche di deep learning è stato accettato nella conferenza IEEE Multimedia Signal Processing 2018 (MMSP) [1].

In questo articolo utilizziamo due dei più recenti metodi di compressione basati su DL sviluppati rispettivamente da Ballé et al. [2] e di Toderici et al. [3]. Le immagini compresse con questi metodi sono state valutate da un panel di circa venti persone. Abbiamo anche considerato immagini compresse con tecniche « classiche » (HEVC-INTRA (BPG) e JPEG2000). Abbiamo riscontrato che la qualità soggettiva è spesso migliore di JPEG2000 e, in ogni caso, molto vicina ad essa. D’altra parte BPG ha ancora risultati migliori in media, anche se su determinate immagini il metodo [3] è il migliore.

RDV su [1] per maggiori dettagli! (Il PDF di questo articolo sarà presto disponibile).

[1] G. Valenzise, ​​A. Purica, V. Hulusic, M. Cagnazzo. « Valutazione della qualità della compressione dell’immagine basata sull’apprendimento profondo ». Per apparire in IEEE Multimedia Signal Workshop, 2018.

[2] J. Ballé, V. Laparra ed E. P. Simoncelli, « compressione dell’immagine ottimizzata end-to-end », in Int. Conf. sulle rappresentazioni di apprendimento (ICLR), Tolone, Francia, aprile 2017.

[3] Toderici G., Vincent D., Johnston N., Hwang S., Minnen D, Shor J., Covell M., « Compressione dell’immagine a piena risoluzione con reti neurali ricorrenti », in IEEE Int. Conf. su Computer Vision e Pattern Recognition (CVPR), Honolulu, Hawaii, USA, lug. 2017, pp. 5435-5443.[:]

Publication

[:fr]Article accepté ICASSP[:en]ICASSP article accepted[:it]Articolo accettato a ICASSP[:]

[:fr]L’article sur l’allocation de puissance pour la transmission linéaire de la vidéo à été accepté dans le programme de la conférence IEEE ICASSP 2018. Félicitations au premier auteur, notre doctorant Shuo Zheng![:en]The paper on power allocation for LVC systems has been accepted into ICASSP’18. Congratulations to the first author Shuo Zheng![:it]L’articolo sull’allocazione di potenza per sistemi LVC è stato accettato. Complimenti a Shuo![:]

Publication

[:fr]Soutenance Antoine Dricot[:en]PhD Antoine Dricot[:it]Dottorato Antoine Dricot[:]

[:fr]Antoine Dricot a obtenu aujourd’hui son diplôme de docteur de Telecom-ParisTech, en défendant une thèse dont le titre est : « Light-field image and video compression for future immersive applications ». Félicitations ![:en]Antone Dricot achieved its PhD degree defending a thesis entitled: « Light-field image and video compression for future immersive applications ».[:it]Antone Dricot ha ottenuto il titolo di dottore di ricerca con una tesi intitolata « Light-field image and video compression for future immersive applications ».[:]