Переосмысление практики хранения видеоматериалов для подготовки кадров в области ИИ: разрыв межфреймальных зависимостей для эффективного случайного доступа
arXiv: 261 030 3079v 1 Annuales Type: New Humber Briefing: Management-AI Training все больше опирается на массивы видеоматериалов с случайными временными образцами. Однако существующие парадигмы хранения видеообращений оптимизированы для последовательного воспроизведения и использования сложных межрамочных справочных структур в целях максимального повышения эффективности сжатия. Когда эти парадигмы применяются к случайным нагрузкам, связанным с подготовкой кадров в области ИИ, они сталкиваются со значительными трудностями при декодировании и повышении эффективности. Такие работы, как независимые системы JPEG и короткие группы фотографий (GOPS), сокращают работу по декодированию за счет увеличения объемов хранения и передачи. В настоящем документе мы идентифицируем два источника декодирования: последовательное восстановление не связанных друг с другом систем и реконструкция справочных цепочек, требующихся отобранными целями. Мы рассматриваем оба источника путем совместного проектирования графика декодирования и справочной структуры видеоматериалов. Незначительное декодирование с учетом степени зависимости только запрашиваемых систем и требуемых для них ссылок, пропущенное