Desenvolvimento de arquiteturas de redes neurais profundas para melhoria de qualidade em vídeos comprimidos

• Ano de defesa: 2025
• Autor(a) principal: Silveira Júnior, Garibaldi da
• Orientador(a): Corrêa, Guilherme Ribeiro
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Pelotas
• Programa de Pós-Graduação: Programa de Pós-Graduação em Computação
• País: Brasil
• Palavras-chave em Português: Redes neurais profundas; Codificação de vídeo; Visão computacional; Melhoria de qualidade de vídeo; Deep neural networks; Video coding; Computer vision; Video quality enhancement
• Área do conhecimento CNPq: CIENCIAS EXATAS E DA TERRA
• Link de acesso: http://guaiaca.ufpel.edu.br/xmlui/handle/prefix/18964

O consumo de vídeos representa atualmente a maior parte do tráfego de dados na Internet, impulsionado por tecnologias emergentes como realidade virtual, vídeos em 360° e resoluções cada vez mais altas, como 4K e 8K. Para viabilizar a transmissão e o armazenamento desses conteúdos, são utilizados padrões de codificação de ví deo que reduzem significativamente o volume de dados. No entanto, esse processo de compressão introduz artefatos visuais que comprometem a qualidade percebida pelo usuário. Soluções de pós-processamento baseadas em aprendizado profundo têm se mostrado eficazes para restaurar a qualidade visual. Sendo assim, o obje tivo principal desta Tese foi o desenvolvimento de soluções baseadas em arquiteturas de redes neurais profundas para a melhoria da qualidade de vídeos comprimidos, considerando diferentes padrões de codificação, cenários de compressão e níveis de quantização. Três abordagens principais foram desenvolvidas. A primeira, denomi nada multi-codec, foi treinada com vídeos comprimidos por múltiplos codecs (HEVC, VVC, AV1 e VP9) e apresentou boa generalização, com ganhos de ∆PSNR variando entre 0,091 dB e 0,382 dB. A segunda abordagem, Multi-Domínio, tratou cada codec como um domínio distinto durante o treinamento, o que ampliou o potencial de especi alização da rede. Essa solução alcançou resultados superiores, com ganhos médios de ∆PSNR entre 0,228 dB e 0,764 dB, ou ainda reduções de até 16,50% na taxa de bits (BD-Rate). A proposta final, 3D-STDF, incorporou convoluções tridimensionais para capturar de forma mais integrada e eficiente as correlações espaço-temporais entre quadros consecutivos. Essa arquitetura obteve os melhores resultados, com ∆PSNR de até 0,85 dB (modelo 3D-STDF-L) e ∆SSIM de 0,016 em QP 37, man tendo desempenho elevado em quantizações severas (como 0,420 dB em QP 47). O modelo também apresentou BD-Rate de até -16,50%, superando outras arquiteturas propostas e demonstrando equilíbrio entre desempenho e custo computacional. Estes resultados demonstram que a Tese contribuiu com soluções generalizáveis e eficazes para restauração de vídeos comprimidos, equilibrando desempenho, capacidade de generalização e custo computacional.