基于膨胀卷积神经网络的视频压缩深度参考图像生成
图像与视频处理
2022-02-14 v1 计算机视觉与模式识别
多媒体
摘要
运动估计与运动补偿是视频编码中帧间预测不可或缺的部分。由于物体的运动向量大多以分数像素为单位，原始参考图像可能无法准确为运动补偿提供合适参考。本文中，我们提出一种深度参考图像生成器，其可创建与当前编码帧更相关的图像，从而进一步降低时间冗余并提升视频压缩效率。受卷积神经网络（CNN）近期进展启发，本文提出使用膨胀 CNN 构建该生成器。此外，我们将生成的深度图像插入通用视频编码（VVC）中作为参考图像，并开展一组全面实验以在最新 VVC 测试模型 VTM 上评估我们网络的有效性。实验结果表明，在低延迟 P 配置下，与 VVC 相比我们提出的方法平均实现了 9.7% 的码率节省。
引用
@article{arxiv.2202.05514,
title = {Dilated convolutional neural network-based deep reference picture generation for video compression},
author = {Haoyue Tian and Pan Gao and Ran Wei and Manoranjan Paul},
journal= {arXiv preprint arXiv:2202.05514},
year = {2022}
}