Impact of Video Compression Artifacts on Fisheye Camera Visual Perception Tasks

自动驾驶系统需要广泛的数据收集方案来覆盖构建稳健和安全系统所需的各种场景。数据量达到了 exabytes 的级别，必须长时间存储（即车辆生命周期超过 10 年）。无损压缩不能提供足够的压缩比，因此已经研究了有损视频压缩。必须证明有损视频压缩失真不会影响感知算法的性能。然而，在这个领域的研究还很有限，无法提供坚实的结论。特别是，对于具有高径向畸变且压缩可能具有更高失真的鱼眼相机，还没有这样的研究。鱼眼相机通常用于汽车系统的三维物体检测任务。在这项工作中，我们提供了对标准视频压缩编解码器对广角鱼眼相机图像影响的第一次分析。我们证明了实现可忽略影响的压缩取决于数据集和视频编解码器的时间预测。我们提出了一种径向畸变感知分区度量来评估鱼眼图像中的失真性能。此外，我们提出了一种估计最新 VVC 编解码器仿射模式参数的新方法，并提出了一些改进视频编解码器以适用于鱼眼图像的领域。

本文旨在分析标准视频压缩编解码器对广角鱼眼相机图像的影响，提出了一种基于半径畸变感知的分区度量方法，以评估鱼眼图像中的压缩伪影的性能。

本文提出了一种新的方法，结合数据集和视频编解码器的时序预测，实现可以忽略影响的压缩率，并提出了一种新的评估方法来衡量压缩伪影的性能。

实验结果表明，可忽略影响的压缩率取决于数据集和视频编解码器的时序预测；提出了一种基于半径畸变感知的分区度量方法来评估压缩伪影的性能；提出了一种估计最新VVC编解码器仿射模式参数的新方法。

最近的相关研究包括：基于深度学习的自动驾驶技术，基于鱼眼相机的3D物体检测等。