基于超先验引导模式预测的粗到细深度视频编码
计算机视觉与模式识别
2022-06-16 v1 图像与视频处理
摘要
已有的深度视频压缩方法仅使用单尺度运动补偿策略，且很少采用来自 H.264/H.265 等传统标准中对运动和残差压缩的模式预测技术。在本文中，我们首先提出一种粗到细（C2F）深度视频压缩框架以获得更好的运动补偿，其中我们以由粗到细的方式执行两次运动估计、压缩与补偿。我们的 C2F 框架能够在不显著增加码率成本的情况下实现更好的运动补偿结果。观察到来自超先验网络的超先验信息（即均值与方差值）包含不同块的判别性统计信息，我们还提出了两种高效的超先验引导模式预测方法。具体而言，使用超先验信息作为输入，我们提出两个模式预测网络，分别预测用于更好运动编码的最优块分辨率，以及决定是否跳过每个块的残差信息以用于更好的残差编码，在不引入额外码率成本的同时带来可忽略的额外计算开销。综合实验结果表明，我们提出的配备新型超先验引导模式预测方法的 C2F 视频压缩框架在 HEVC、UVG 和 MCL-JCV 数据集上达到了最先进的性能。
引用
@article{arxiv.2206.07460,
title = {Coarse-to-fine Deep Video Coding with Hyperprior-guided Mode Prediction},
author = {Zhihao Hu and Guo Lu and Jinyang Guo and Shan Liu and Wei Jiang and Dong Xu},
journal= {arXiv preprint arXiv:2206.07460},
year = {2022}
}
备注
CVPR2022