Moderne Videocodierverfahren wie HEVC (auch bekannt als H.265) und dessen Nachfolger VVC (H.266) basieren auf dem Prinzip der blockbasierten hybriden Videocodierung. Neuerdings werden vermehrt neuronale Netzwerke eingesetzt um Videos und Bilder zu codieren. Vollständig auf neuronale Netzwerke basierende Videocodecs bestehen in der Regel aus einem auf Datenrate und Rekonstruktionsfehler optimierten Autoencoder mit Quantisierung im Latent Space.
Mögliche Aufgabengebiete für eine Studien- oder Abschlussarbeit umfassen die Erweiterung bestehender traditionelle Videocodecs mittels neuronaler Netzwerke und auch die Implementierung von Codecs die vollständig auf neuronalen Netzen basieren. Dies ist eine sehr interessante Aufgabe, da man einerseits die Möglichkeit hat moderne Machine Learning Frameworks wie pyTorch kennenzulernen, anderseits lernt man auch Details bekannter Videocodecs kennen, die die meisten nicht kennen.
In diesem Bereich habe ich regelmäßig Möglichkeiten Abschlussarbeiten jeder Art anzubieten. Explizite Themen für eine Abschlussarbeit gebe ich individualisiert und auf Anfrage raus, sofern welche verfügbar sind. Wenn du motiviert bist, schick mir gerne eine kurze Email mit den wichtigsten Informationen zu dir. Folgende Kenntnisse, Eigenschaften und Erfahrungen sind für die Bearbeitung der Abschlussarbeit hilfreich:Gute Programmierkenntnisse in Python sind Voraussetzung. Gute Kenntnisse aus den Vorlesungen Machine Learning und Quellencodierung sind wünschenswert. Erste Erfahrungen mit Tensorflow oder PyTorch sind hilfreich.
Bei Fragen oder Interesse bitte gerne melden. Details können dann persönlich besprochen werden.
Contact person: Martin Benjak
