利用基于深度学习的多帧后处理增强 VVC
图像与视频处理
2022-05-20 v1
摘要
本文描述了一种基于 CNN 的多帧后处理方法，其建立在感知启发的生成对抗网络架构 CVEGAN 之上。该方法已与通用视频编码测试模型（VTM）15.2 集成，以提升最终重建内容的视觉质量。在 CLIC 2022 验证序列上的评估结果显示，以 PSNR 衡量，在相同码率下相比原始 VVC VTM 取得了一致的编码增益。该集成编解码器已提交至 2022 年学习图像压缩挑战赛（CLIC）（视频赛道），此次提交关联的团队名称为 BVI_VC。
引用
@article{arxiv.2205.09458,
title = {Enhancing VVC with Deep Learning based Multi-Frame Post-Processing},
author = {Duolikun Danier and Chen Feng and Fan Zhang and David Bull},
journal= {arXiv preprint arXiv:2205.09458},
year = {2022}
}
备注
Accepted in CVPR 2022 Workshop and Challenge on Learned Image Compression