Список литературы

2518-1092

Научный результат. Информационные технологии

2518-1092

10.18413/2518-1092-2025-10-2-0-3

3818

ИНФОРМАЦИОННЫЕ СИСТЕМЫ И ТЕХНОЛОГИИ

<strong>РАЗРАБОТКА КОНЦЕПЦИИ МУЛЬТИАГЕНТНОГО ПОДХОДА К КОДИРОВАНИЮ ВИДЕОДАННЫХ</strong>

<strong>DEVELOPMENT OF THE CONCEPT OF A MULTI-AGENT APPROACH TO VIDEO DATA ENCODING</strong>

Стеценко

Оксана Николаевна

Oksana

Nikolaevna Stetsenko

stetsenkoon81@yandex.ru

Хлопов

Андрей Михайлович

Khlopov

Andrey Mikhailovich

Акиньшин

Данил Иванович

Akinshin

Danil Ivanovich

Минченко

Евгений Сергеевич

Minchenko

Evgeny Sergeevich

2025

10200

Целью исследования является разработка концепции мультиагентного подхода к кодированию видеоданных для повышения качества видеоряда и увеличения битовой скорости за счет использования мультиагентной системы. Следствием увеличения объемов мультимедийной информации, а также существующих ограничений стандартных кодеков, являются условия, в которых поддержание качества видеоряда на нужном уровне не может быть гарантировано. В частности, существующие схемы обработки не обладают гибкостью в плане возможности коррекции параметров обработки предшествующих этапов кодирования относительно текущего. Возможным решением данной проблематики может служить децентрализация процесса кодирования с одновременным отходом от жесткого конвеерного сценария. В работе рассматривается подход к обработке кадров видеопотока на основе мультиагентной системы. Предлагается концепция мультиагентой системы, ориентированной на реализацию механизмов кодирования видеопотока на основе стандартных схем базовой технологии обработки MPEG-семейства. Рассмотрена обобщенная структура мультиагентной системы, типовых агентов (внутренней, а также межкадровой обработки), а также логика их взаимодействия. Основной упор сделан на внутрикадровую обработку. Отдельно рассмотрены возможные режимы работы мультиагентой системы, а именно – обучающий, основной и режим коррекции. В рамках предлагаемого подхода обрабатываемым кадрам, исходя из особенностей их содержания, ставится в соответствие совокупность параметров кодера, которые в дальнейшем могут корректироваться, исходя из полученной величины битовой скорости и текущего уровня ошибки. За счет этого возможно достичь существенного сокращения времени обработки как следствие значительного сужения пространства возможных значений параметров кодирования.

The aim of the study is to develop a concept of a multi-agent approach to video data coding to improve the quality of the video sequence and increase the bit rate through the use of a multi-agent system. The increase in multimedia data volume and the existing limitations of standard codecs lead to conditions where maintaining the required video stream quality cannot be guaranteed. In particular, existing processing schemes lack flexibility regarding the possibility of correcting processing parameters of preceding encoding stages relative to the current one. A possible solution to this problem could be the decentralization of the encoding process coupled with a departure from a rigid pipeline scenario. This paper considers an approach to video stream frame processing based on a multi-agent system. A concept for a multi-agent system oriented towards implementing video stream encoding mechanisms based on standard processing schemes of the MPEG family technology is proposed. The generalized structure of the multi-agent system, typical agents (intra-frame and inter-frame processing), and their interaction logic are discussed. The main focus is placed on intra-frame processing. Possible operating modes of the multi-agent system are separately considered, namely – training, main, and correction modes. Within the proposed approach, processed frames are associated with a set of encoder parameters based on their content characteristics, which can subsequently be corrected based on the obtained bitrate and the current error level. This allows for a significant reduction in processing time as a result of significantly narrowing the space of possible encoding parameter values.

мультиагентная системаархитектура МАСинтеллектуальный агентраспознавание видеокадровобработка видеоданныхкодирование видеоискусственный интеллект

multi-agent systemMAS architectureintelligent agentvideo frame recognitionvideo data processingvideo encodingartificial intelligence

Список литературы

1.    Beklaryan G.L., Akopov A.S., Khachatryan N.K. Optimisation of system dynamics models using a real-coded genetic algorithm with fuzzy control // Cybernetics and Information Technologies. 2019. Vol. 19. No. 2. P. 87–103. https://doi.org/10.2478/cait-2019-0017

2.    Bobashev G., Zule W., Root E., Wechsberg W., Borshchev A., Filippov A. 2004 Geographically-Enhanced Mathematical Models of HIV Dynamics. NIDA Symposium on AIDS, Cancer and Related Problems, St. Petersburg, Russia.

3.    Rozhentsova N., Regir O., Kotsubinski A. and Fetisov L. Development of a Multi-Agent Model of Electric Power Consumer/ 2019 International Conference on Electrotechnical Complexes and Systems (ICOECS), 2019, pp. 1-4, https://doi: 10.1109/ICOECS46375.2019.8949937.

4.    Иванов Ю.А. Некоторые проблемы сжатия и передачи видео в реальном времени в беспроводных сетях // Электротехнические и информационные комплексы и системы. – 2009 – Т. 5 – № 1 – С. 62-64.

5.    Hsu W.-L., Tsai Ch.-L., Chen Ch.-J., Multi morphological image data hiding based on the application of Rubik's cubic algorithm. Carnahan Conference on Security Technology (ICCST): proceedings of the IEEE International Conference. 2012. P. 135–139. DOI:10.1109/CCST.2012.6393548.

6.    Chen T. et. al.: End-to-End Learnt Image Compression via Non-Local Attention Optimization and Improved Context Modeling. IEEE Transactions on Image Processing, 2021, 3179–3191 [https://doi.org/10.1109/tip.2021.3058615].

7.    Russ J.C., Neal F.B.: The Image Processing Handbook. 7th Edition. CRC Press, 2018.

8.    Rao K. et. al.: JPEG Series. 1st edition. River Publishers, 2021.

9.    Information technology – JPEG 2000 image coding system: Secure JPEG 2000. International Standard ISO/IEC 15444-8, ITU-T Recommendation T. 807, 2007. 108 p.

10.  Miano J. Formats and image compression algorithms in action / J. Miano. – Kyiv: Triumph, 2013, 336 p.

11.  Абламейко С.В. Обработка изображений: технология, методы, применение / С.В. Абламейко, Д.М. Лагуновский, Минск: Амалфея, 2000. – 304 с.

12.  Shirani J.S. JPEG compliant efficient progressive image coding / J.S. Shirani, F. Kossentini // Proceedings of the 1998 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP). – Seattle. – 1998. – P. 2633-2636. https://doi.org/10.1109/ICASSP.1998.678063.

13.  Miano J. Compressed image file formats: JPEG, PNG, GIF, XBM, BMP / J. Miano. – Moscow: ACM, 1999. – 264 p.

14.  Pratt W. Slant transform image coding. Proc. Computer Processing in communications / W.K. Pratt, W.H. Chen, L.R. Welch. – New York: Polytechnic Press, 1969. – 184 p.

15.  Efficient hierarchical graph-based video segmentation / M. Grundmann, V. Kwatra, M. Han, I. Essa // 2010 IEEE Computer Society Conference on Computer Vision and Pattern Recognition. – San Francisco. – 2010. – P. 2141-2148.

16.  Gonzalez R. Digital image processing / R. Gonzalez, K. Woods. – Kyiv: Tekhnosfera, 2018. – 1104 p.

17.  Salomon D. Data Compression: The Complete Reference. Fourth Edition / D. Salomon. – London: Springer-VerlagLimited, 2007. – 899 p.

18.  Encoding mode selection in HEVC with the use of noise reduction / O. Stankiewicz, К. Wegner, D. Karwowski, J. Stankowski, K. Klimaszewski // International Conference on Systems, Signals and Image Processing (IWSSIP). – Poznan, 2017. – P. 1-6.

19.  Christophe E. Quality criteria benchmark for hiperspectral imagery / E. Christophe, D. Lager, C. Mailhes // IEEE Transactions on Geoscience and Remote Sensing. – 2005. – № 9(43). – P. 2103-2114.

20.  Методы сжатия данных. Устройство архиваторов, сжатие изображений и видео / Д. Ватолин, А. Ратушняк, М. Смирнов, В. Юкин. – М.: ДИАЛОГ–МИФИ, 2003. – 384 с.