面向学习式视频编码的速率-质量模型
计算机视觉与模式识别
2025-09-03 v2
摘要
学习式视频编码（LVC）最近取得了优异的编码性能。在本文中，我们构建了学习式视频编码的速率-质量（R-Q）关系的数学模型。我们学习一个神经网络，称为 RQNet，用于根据视频内容和编码上下文刻画比特率与质量水平之间的关系。进一步将预测得到的 (R,Q) 结果与之前编码帧的结果通过最小二乘法相结合，用于动态确定我们的 R-Q 模型参数。与传统方法相比，我们的方法能够准确估计 R-Q 关系，从而实现对模型参数的在线自适应，以提高灵活性和精度。实验结果表明，在常用数据集上， our R-Q 模型相较于基线方法实现了显著更小的比特率偏差，同时附加复杂度最小。
引用
@article{arxiv.2505.02720,
title = {A Rate-Quality Model for Learned Video Coding},
author = {Sang NguyenQuang and Cheng-Wei Chen and Xiem HoangVan and Wen-Hsiao Peng},
journal= {arXiv preprint arXiv:2505.02720},
year = {2025}
}