面向内容优化自适应视频流的高效码率阶梯构建
图像与视频处理
2021-11-02 v1
摘要
许多视频提供商面临的挑战之一是网络规格、用户需求与内容压缩性能的异构性。固定码率阶梯的通用方案不足以在不发生重新缓冲或引入恼人压缩伪影的情况下确保高质量的用户体验。然而，基于在所有分辨率与宽泛质量范围内进行大量编码的内容定制方案，在计算、财务与能耗成本上极其昂贵。受此启发，我们提出一种利用机器学习预测内容优化码率阶梯的方法。该方法从未压缩内容中提取时空特征，训练机器学习模型以预测帕累托前沿参数，并基于此在定义的码率范围内构建阶梯。该方法具有显著减少每序列所需编码次数的益处。基于 100 个 HEVC 编码序列的呈现结果表明，与穷举搜索和基于插值的方法相比，所需编码次数分别减少 89.06% 和 61.46%，代价是与穷举方法相比平均 Bjøntegaard Delta Rate 差异为 1.78%。最后，引入一种混合方法，其根据序列特征选择所提方法或基于插值的方法。这导致所需编码总体减少 83.83%，代价为平均 Bjøntegaard Delta Rate 差异 1.26%。
引用
@article{arxiv.2102.04550,
title = {Efficient Bitrate Ladder Construction for Content-Optimized Adaptive Video Streaming},
author = {Angeliki V. Katsenou and Joel Sole and David R. Bull},
journal= {arXiv preprint arXiv:2102.04550},
year = {2021}
}