基于双向预测的深层预测视频压缩
计算机视觉与模式识别
2019-04-08 v1
摘要
近年来，深度图像压缩在编码效率和图像质量提升方面取得了重大进展。然而，使用深度学习网络进行视频压缩受到的关注相对较少。本文中，我们首先提出一种基于深度学习的双向预测编码网络，称为 BP-DVC Net，用于视频压缩。借鉴传统视频编码的经验，我们的 BP-DVC Net 中引入了 B 帧编码结构。传统视频编解码器中的双向预测编码需要向解码端传输用于块运动的光流矢量以及预测残差，而我们的 BP-DVC Net 在编码器和解码器两端均引入了光流估计网络，从而无需向解码端传输运动信息以提高编码效率。此外，BP-DVC Net 中提出了一种双向预测网络，用于精确预测当前帧并使所得残差尽可能小。进一步地，我们的 BP-DVC Net 允许利用相邻帧特征图之间的时间上下文对压缩特征图进行熵编码。BP-DVC Net 具有端到端的视频压缩架构，并设计了新的光流损失和预测损失。实验结果表明，我们所提方法在 PSNR 和 MS-SSIM 指标上的压缩性能与 H.264、HEVC 相当。
引用
@article{arxiv.1904.02909,
title = {Deep Predictive Video Compression with Bi-directional Prediction},
author = {Woonsung Park and Munchurl Kim},
journal= {arXiv preprint arXiv:1904.02909},
year = {2019}
}