基于分层划分与空间域量化的深度序列编码

3D-HEVC 中用于多视点视频加深度（MVD）架构的深度编码（i）因块级边缘近似而扭曲物体形状；（ii）因未能在帧级利用深度语法、运动矢量分量与残差中强烈的同质性（聚类倾向）而错失了近无损质量下的高可压缩性机会；（iii）因纹理–深度编码依赖而限制了交互性，并制约了深度信息在“非观看”应用中的独立使用的响应能力。本文提出一种独立深度序列编码器，其工作于无损至近无损质量范围，同时对深度数据的压缩优于有损 3D-HEVC。它通过限制量化于空间域而隐式保留边缘，并利用一种新颖的基于二叉树的分解（BTBD）技术在帧级高效利用聚类倾向。对于标准 MVD 测试序列的单视点编码，平均而言，（i）无损 BTBD 使用最低量化参数 $QP = 1$ 实现了 $\times 42.2$ 压缩比和相对伪无损 3D-HEVC 的 $-60.0\%$ 编码增益；（ii）近无损 BTBD 相对 3D-HEVC 分别实现了 $-79.4\%$ 和 $6.98$ dB 的 Bj{\o}ntegaard delta 码率（BD-BR）与失真（BD-PSNR）。在视点合成应用中，相较 3D-HEVC，由 BTBD 解码的深度图渲染出更优质量的合成视点，平均具有 $-18.9\%$ 深度 BD-BR 与 $0.43$ dB 合成纹理 BD-PSNR。