B-CANF：基于条件增强归一化流的自适应 B 帧编码
图像与视频处理
2023-08-03 v2 计算机视觉与模式识别
摘要
过去几年中，基于学习的视频压缩已成为一个活跃的研究领域。然而，大多数工作聚焦于 P 帧编码。基于学习的 B 帧编码研究较少且更具挑战性。本文提出一种新颖的 B 帧编码框架，称为 B-CANF，其利用条件增强归一化流（conditional augmented normalizing flows）进行 B 帧编码。B-CANF 还包含两个新颖要素：帧类型自适应编码与 B* 帧。我们的帧类型自适应编码通过根据 B 帧类型动态调整特征分布，为分层 B 帧编码学习更优的比特分配。我们的 B* 帧通过复用 B 帧编解码器来模拟 P 帧编码，无需额外独立的 P 帧编解码器，从而在指定图像组（GOP）结构时提供更大灵活性。在常用数据集上，与其他基于学习的 B 帧编解码器相比，B-CANF 取得了最先进的压缩性能，并在随机访问配置下于 PSNR 指标上展现出与 HM-16.23 相当的 BD-rate 结果。在不同 GOP 结构下评估时，我们的 B* 帧取得了与额外使用独立 P 帧编解码器相似的性能。
引用
@article{arxiv.2209.01769,
title = {B-CANF: Adaptive B-frame Coding with Conditional Augmented Normalizing Flows},
author = {Mu-Jung Chen and Yi-Hsin Chen and Wen-Hsiao Peng},
journal= {arXiv preprint arXiv:2209.01769},
year = {2023}
}
备注
Accepted by IEEE Transactions on Circuits and Systems for Video Technology (TCSVT)