imported>DmitriyVatolin: /* Полезные ссылки */

2022-01-25T04:54:32Z

Полезные ссылки

Новая страница

== О курсе ==

Курс читается для студентов 4-го курса в 3 модуле.

* Лектор — [https://habr.com/ru/users/3Dvideo/ Ватолин Дмитрий Сергеевич]
* Семинарист — Ляпустин Евгений Владиславович
* Ассистент — Яковенко Александр Викторович

===Описание===
По статистике от Cisco трафик видео в интернет растет на 30-35% за год, при этом пропускная способность каналов растет на 10-20%. Соответственно бурно развиваются новые методы сжатия видео, а также методы оптимизации контента (в широком смысле). Современный видеокодек для большинства - это черный ящик, которому на вход дают картинку, а он выдает сжатую картинку, при этом внутри условный миллион строк очень сложного оптимизированного кода, понимание основ работы которого очень полезно для его грамотного использования.

Курс дает тему с азов - объясняется арифметическое сжатие (как положить несколько символов в один бит), фрактальное сжатие изображений (весьма красивый и простой в реализации алгоритм для изображений) и алгоритм компенсации движения (основа сжатия видео). В промежутках между заданиями автору нравится рассказывать современное состояние дел в этой и смежных областях.

===Полезные ссылки===
* [https://youtube.com/playlist?list=PLEwK9wdS5g0rO0oiJLFGwhdLFwqNWd-OE Записи лекций и семинаров на youtube]
* [https://t.me/+y7U6jTwbhmM2ODUy Телеграм чат курса]
* [https://t.me/+UJ-5i_UnWP4NEOBF Телеграм канал курсов автора в МГУ и ВШЭ]
* [https://fall.cv-gml.ru/ Система приема заданий] (волшебное слово узнавать у семинариста)
* [https://youtube.com/watch?v=cZIRRPuZKt0&list=PLjnbr2ZalOEQyixfJzXwmgGI0VKxGgIAq&index=3&ab_channel=GMLMSUVideo Видео лекций аналогичного курса на ВМК]
* [https://github.com/msu-video-group/video-course Страница второй части курса на гитхабе]

== Лекции ==
Проходят по понедельникам в 11:10 [https://zoom.us/j/91632341773?pwd=emwwaVZqRlJ6em5kSGQxbnBDRGpKUT09 в зум]

== Семинары ==
Проходят по понедельникам в 19:40 [https://zoom.us/j/95922254997?pwd=YnFyYjRRTGdNOXFzU2dVVHNGQjExdz09 в зум].

== Контрольные мероприятия ==
=== Домашние задания ===
* Реализация арифметического сжатия и PPM (Цель: осознать, как класть символы в некратное число бит, и как можно довольно компактным кодом сжать без потерь сильнее zip)

* Фрактальное сжатие

=== Контрольная работа ===

=== Экзамен ===

=== Правила выставления оценок ===

Итоговая оценка вычисляется по формуле:

Итог = min(ceil(0.9 * ДЗ + 0.1 * ПР), 10),
где ДЗ — min(10 * сумма баллов за все задания и бонусы / максимальная сумма баллов за задания (без бонусов), 10), ПР — 10 * сумма баллов за проверочные работы / суммарное число баллов за проверочные.

Причем:
Для общей оценки >= 8 необходимо сдать все 3 домашних задания на оценку >= 20 баллов (без учета штрафа)
Для общей оценки >= 6 необходимо сдать 2 домашних задания на оценку >= 20 баллов (без учета штрафа)
Для общей оценки >= 4 необходимо сдать 1 домашнее задания на оценку >= 20 баллов (без учета штрафа)

== Список литературы ==
* [https://www.compression.ru/book/ Книга автора "Методы сжатия данных"] (книжка уже старая, но арифметик, PPM и т.д. по ней смотреть вполне можно)
* [https://habr.com/ru/post/525664/ "О талантах, деньгах и алгоритмах сжатия данных"] и [https://habr.com/ru/post/570694/ "Как развитие алгоритмов сжатия остановилось 20 лет назад, или о новом конкурсе на 200 тысяч евро"] - популярные статьи о людях, изобретающих алгоритмы сжатия, конкурсах по сжатию (в том числе недавнем студенческом, где победителям-студентам было выплачено 14 тысяч евро) и развитии области в последние 10 лет.
* [https://scholar.google.ru/scholar?hl=ru&as_sdt=0%2C5&q=motion+estimation+algorithm&btnG= Статьи по Motion Estimation на Google Scholar], там же можно посмотреть [https://scholar.google.ru/scholar?as_ylo=2019&q=motion+estimation+algorithm&hl=ru&as_sdt=0,5 более свежие статьи] (и их количество) и оценить, чем сейчас в области занимаются
* [https://habr.com/ru/post/451664/ Популярная статья автора на Хабре "Уличная магия сравнения кодеков. Раскрываем секреты"] - о сравнении кодеков, в том числе нейросетевых
* [https://youtu.be/993n8S3lqHg Русский длинный доклад автора] (часовое видео), и [https://www.streamingmedia.com/Articles/Editorial/Featured-Articles/Moscow-States-Dr.-Dmitriy-Vatolin-Talks-Codecs-and-Quality-150562.aspx свежее англоязычное интервью], в которых раскрывается парадокс - как так - с появлением ML метрик измерение качества видео стало намного точнее, но одновременно на порядки сложнее (и речь далеко не про вычислительную сложность)

Методы сжатия и передачи медиаданных 21/22 - История изменений

imported>DmitriyVatolin: /* Полезные ссылки */