Emanuele Frisi
Sviluppo di un framework per la valutazione di codec video neurali in scenari real-time con perdita di dati = Development of a framework for the evaluation of neural video codecs in real-time scenarios with data loss.
Rel. Enrico Masala. Politecnico di Torino, Corso di laurea magistrale in Ingegneria Informatica (Computer Engineering), 2026
|
Preview |
PDF (Tesi_di_laurea)
- Tesi
Licenza: Creative Commons Attribution Non-commercial No Derivatives. Download (18MB) | Preview |
Abstract
L'esplosione del traffico dati globale ha reso indispensabile lo sviluppo di tecnologie di compressione video sempre più efficienti. In questo contesto, i codec video basati su reti neurali rappresentano un'alternativa promettente ai tradizionali codec ibridi. Questo elaborato analizza la resilienza e le prestazioni del modello neurale DCVC-RT in scenari di rete non ideali, caratterizzati da perdita di dati e latenza. A tal fine, è stato sviluppato un framework di simulazione in grado di riprodurre differenti condizioni di rete, controllando il tasso di perdita dei dati e il ritardo del canale di feedback. Il framework automatizza la generazione degli scenari di perdita, la codifica e la decodifica delle sequenze, consentendo di valutare il comportamento del codec al variare delle condizioni di rete e su molteplici tracce di perdita.
Lo studio analizza inoltre l'integrazione del Frame Freeze in fase di decodifica come strategia di error concealment
Relatori
Anno Accademico
Tipo di pubblicazione
Numero di pagine
Corso di laurea
Classe di laurea
URI
![]() |
Modifica (riservato agli operatori) |
