Associate Professor of Program Engineering and Computer Science Department, PhD in Technical Science
к.т.н., доцент кафедры программной инженерии и вычислительной техники (ПИиВТ)
Master’s Degree Student of Program Engineering and Computer Science Department
магистрант кафедры ПИиВТ
Rector, Professor of Program Engineering and Computer Science Department, Doctor of Technical Science
д.т.н., ректор, профессор кафедры ПИиВТ
Using packet networks for first-person control of unmanned systems arises a problem of large transmitted data volumes. The largest volume of traffic during first-person control is presented by video stream frames. So, to improve the efficiency of the communication network between unmanned systems and external pilot station, it is necessary to compress video stream frames. A high compression degree can be provided by using variational autoencoders. One of the problems of using variational autoencoders for frame compression is the occurrence of specific artifacts in frames. This article proposes methods for suppressing the occurrence of artifacts when restoring frames from the latent space by a neural network decoder, as well as an empirical scale for assessing autoencoder artifacts. The approach proposed encompasses preparing pixel data of a video stream frame for encoding and further reconstruction after decoding. It is experimentally shown that one of the proposed methods allows eliminating the absolute majority of artifacts without introducing significant distortions into the reconstructed frames.
При использовании пакетных сетей для управления беспилотными системами от первого лица возникает проблема большого объема передаваемых данных. Наибольший объем трафика при управлении от первого лица формируют кадры видеопотока. Соответственно, для повышения эффективности использования сети связи между беспилотными системами и станцией внешнего пилота необходимо осуществлять сжатие кадров видеопотока. Высокую степень сжатия обеспечивает использование вариационных автокодировщиков. Одной из проблем использования вариационных автокодировщиков для сжатия изображений является возникновение на изображениях специфичных артефактов. В настоящей статье предлагаются способы нивелирования возникновения артефактов при восстановлении изображений из латентного пространства нейросетевым декодером, а также предлагается эмпирическая шкала оценки артефактов автокодировщиков. Предложенный подход заключается в подготовке пиксельных данных кадра видеопотока к кодированию и восстановлению их после декодирования. Экспериментальным путем показано, что один из предложенных методов позволяет устранять абсолютное большинство артефактов без внесения существенных искажений в восстанавливаемые кадры.