Perpustakaan Digital ITB

Kompresi video konvensional membutuhkan banyak keterampilan, waktu, dan usaha. Kompresi video konvensional juga mengandung algoritma yang kompleks, memakan waktu lama bahkan dengan sejumlah besar jumlah peneliti, dan algoritmenya bersifat umum. Kompresi lossy seperti yang dilakukan oleh H264 melibatkan penghapusan beberapa data secara permanen, yang memengaruhi kualitas gambar atau video yang direkonstruksi. Jika dikompresi dengan heavy, beberapa artefak yang terlihat mengganggu seperti blockiness, blur, dan color bleeding mungkin muncul pada gambar atau video yang direkonstruksi. Teknologi kompresi sangat berkembang pesat. Menerapkan machine learningmengatasi beberapa tantangan kompresi video konvensional. Untuk waktu yang lama, kompresi video machine learning telah menjadi dasar kompresi berbasis AI. Maka pada Tugas Akhir ini, dibuat solusi untuk mengatasi permasalahan kompresi video konvensional dengan menerapkan algoritma machine learning(convolutional neural network) sehingga dapat meningkatkan kualitas tampilan video terkompresi dengan kualitas kompresi yang lebih baik dari kompresi video konvensional. Penelitian ini menghasilkan algoritma convolutional neural network dengan nama Deep Video Coding, yang terinspirasi dari blok diagram metode konvensional H.264, sehingga menghasilkan PSNR yang lebih baik jika dibandingkan dengan metode konvensional DPCM & H.264, dan SSIM yang lebih baik jika dibandingkan dengan DPCM. Kompresi DPCM diintegrasikan pada GUI MATLAB untuk melakukan kompresi video dengan DPCM yang dapat terintegrasi ke seluruh sub sistem. Sistem kompresi video dengan Deep Video Coding (DVC) merupakan sistem terbaik untuk menghasilkan video terkompresi dengan PSNR yang paling unggul, dengan GOP(4,15) untuk input video motion slow dan GOP(ffprobe) untuk input video motion fast.