视频编码中基于CNN滤波器的QP自适应机制
图像与视频处理
2020-10-27 v1 机器学习
多媒体
摘要
基于卷积神经网络（CNN）的滤波器在视频编码中已取得巨大成功。然而，在以往大多数工作中，每个量化参数（QP）频段都需要单独的模型。本文提出一种通用方法，帮助任意CNN滤波器处理不同的量化噪声。我们对量化噪声问题建模，并在CNN上实现一种可行方案，将量化步长（Qstep）引入卷积中。当量化噪声增大时，CNN滤波器抑制噪声的能力相应提升。该方法可直接替换任何现有CNN滤波器中的（普通）卷积层。仅使用25%的参数，所提方法即比使用多模型配合VTM-6.3锚点取得更优性能。此外，对于色度分量，所提方法还额外实现了0.2%的BD-rate降低。
引用
@article{arxiv.2010.13059,
title = {A QP-adaptive Mechanism for CNN-based Filter in Video Coding},
author = {Chao Liu and Heming Sun and Jiro Katto and Xiaoyang Zeng and Yibo Fan},
journal= {arXiv preprint arXiv:2010.13059},
year = {2020}
}