Energy consumption reduction of video distribution using deep learning-based video pre- and post-processing
Year: 2024
Type: dissertation
Abstract: Réduction de la consommation d’énergie de la chaîne de distribution vidéo à l’aide d’opérations de pré-traitement et de post-traitement basés sur l’apprentissage profond Les émissions de Gaz à Effet de Serre (GES), largement associées à la consommation d’énergie, représentent un défi environnemental majeur. En particulier, les émissions de GES liées au secteur des Technologies de l’Information et de la Communication (TIC), fortement dépendant des combustibles fossiles, représentaient 4% des émissions mondiales de GES en 2019. Par conséquent, la croissance exponentielle du trafic vidéo sur Internet suscite des inquiétudes quant à son importante empreinte carbone. Dans le but de faire évoluer ce secteur vers une meilleure efficacité énergétique et une plus grande durabilité, cette thèse propose de réduire la consommation d’énergie de la chaîne de vidéo grâce à des opérations de prétraitement avant l’étape d’encodage et des opérations de post-traitement après le décodage, le tout en s’appuyant sur des techniques d’apprentissage profond. Pour y parvenir, l’approche proposée est basée sur le contenu, dans la mesure où le contenu vidéo est traité afin de réduire sa consommation d’énergie tout en garantissant une qualité d’expérience (QoE) satisfaisante. Dans les deux premières contributions de cette thèse, nous avons abordé la réduction de la consommation d’énergie dans la partie transmission par le biais de la réduction du débit. En particulier, pour les contenus contenant du grain de film, nous avons proposé des solutions pour supprimer le grain de film avant l’encodage pour réduire le débit et donc la consommation d’énergie, et de le synthétiser après le décodage pour préserver la qualité de l’expérience. Dans la dernière contribution, appelée 3R-INN, nous avons abordé la réduction de la consommation d’énergie dans l’ensemble de la chaîne vidéo en combinant trois tâches : l’élimination/synthèse du grain du film, la remise à l’échelle et la construction d’une image à faible consommation d’énergie à l’affichage. À partir d’un contenu à haute résolution contenant du grain, notre solution génère un contenu à faible résolution, sans grain et à faible consommation d’énergie à l’affichage, destiné à être visionné par défaut, réduisant ainsi la consommation d’énergie sur l’ensemble de la chaîne. De plus, notre solution offre la possibilité de récupérer le contenu original. Les résultats expérimentaux démontrent que, grâce à 3R-INN, d’importantes économies d’énergie sont réalisées pour le codage (78%), le décodage (77%) et l’affichage (5% à 20%), tout en surpassant les méthodes de suppression et de synthèse du grain de film de pointe, ainsi que les méthodes de réduction d’énergie à l’affichage et de réduction de la résolution sur différents ensembles de tests.
Source: theses.fr (ABES)
Author: Zoubida Ameur
Institution: Institut National des Sciences Appliquées de Rennes
Language: French
Subfield: Signal Processing
Field: Computer Science
Domain: Physical Sciences
Open Access status: green
OpenAlex ID: W7151801331