基于深度神经网络的视频压缩系统进展：综述与案例研究
图像与视频处理
2021-01-19 v1
摘要
过去几十年中，为满足近乎指数增长的互联网规模视频流量，视频压缩系统取得了显著进展。从应用角度，我们确定了三个主要的功能模块——预处理、编码和后处理，它们被持续研究以在有限码率预算下最大化终端用户体验质量（QoE）。近来，人工智能（AI）驱动的技术已展现出进一步提升上述功能模块（无论是单独还是联合）效率的巨大潜力。本文广泛综述了视频压缩系统近期的技术进展，重点放在基于深度神经网络（DNN）的方法上，并给出三个综合案例研究。在预处理方面，我们展示了一个可切换的基于纹理的视频编码示例，利用基于 DNN 的场景理解提取语义区域以改善后续视频编码器。在编码方面，我们提出一个端到端神经视频编码框架，借助堆叠 DNN 通过全数据驱动学习对输入原始视频进行高效紧凑编码。在后处理方面，我们演示了两个神经自适应滤波器，分别用于促进环内和环后滤波以增强压缩帧。最后，承载本工作内容的配套网站可公开访问：https://purdueviper.github.io/dnn-coding/。
引用
@article{arxiv.2101.06341,
title = {Advances In Video Compression System Using Deep Neural Network: A Review And Case Studies},
author = {Dandan Ding and Zhan Ma and Di Chen and Qingshuang Chen and Zoe Liu and Fengqing Zhu},
journal= {arXiv preprint arXiv:2101.06341},
year = {2021}
}