面向视频编码的深度帧预测
图像与视频处理
2019-06-24 v3 计算机视觉与模式识别
摘要
我们提出了一种使用深度神经网络（DNN）的新颖帧预测方法，旨在提高视频编码效率。所提出的 DNN 在编码器和解码器处均利用已解码帧来预测当前编码块的纹理。与传统的帧间预测不同，所提出的方法不需要在编码器和解码器之间传输任何运动信息。尽管如此，利用所提出的 DNN 仍可实现单向和双向预测，这是通过除颜色通道外还使用时序索引通道来实现的。在本研究中，我们开发了一个用于单向和双向预测的联合训练 DNN，以及分别用于单向和双向预测的独立网络，并比较了两种方法的有效性。所提出的 DNN 与最新视频编码标准 HEVC 中的传统运动补偿预测在 BD-Bitrate 方面进行了比较。实验表明，所提出的联合 DNN（用于单向和双向预测）在 Low delay P、Low delay 和 Random access 配置下分别将亮度码率降低了约 4.4%、2.4% 和 2.3%。此外，使用单独训练的 DNN 可带来约 0.3%–0.5% 的进一步码率节省。
引用
@article{arxiv.1901.00062,
title = {Deep Frame Prediction for Video Coding},
author = {Hyomin Choi and Ivan V. Bajic},
journal= {arXiv preprint arXiv:1901.00062},
year = {2019}
}
备注
This paper is accepted by IEEE Transactions on Circuits and Systems for Video Technology in 2019