MFRNet：一种用于后处理与环内滤波的新型CNN架构
图像与视频处理
2020-12-15 v2 计算机视觉与模式识别
机器学习
多媒体
摘要
本文提出一种新颖的卷积神经网络(CNN)架构 MFRNet，用于视频压缩中的后处理(PP)与环内滤波(ILF)。该网络由四个多级特征复核残差密集块(MFRB)组成，采用级联结构连接。每个 MFRB 通过密集连接与多级残差学习结构从多个卷积层提取特征。为了进一步改善这些块之间的信息流，每个块还复用了前一个 MFRB 的高维特征。该网络已集成到 HEVC (HM 16.20) 与 VVC (VTM 7.0) 的 PP 和 ILF 编码模块中，并在 JVET 通用测试条件下使用随机接入(Random Access)配置进行了充分评估。实验结果表明，基于 BD-rate 测量并使用 PSNR 与 VMAF 进行质量评估，相对于两种锚点编解码器(HEVC HM 与 VVC VTM)以及其他现有的基于 CNN 的 PP/ILF 方法，均取得了显著且一致的编码增益。当 MFRNet 集成至 HM 16.20 时，ILF 增益最高达 16.0% (BD-rate VMAF)，PP 增益最高达 21.0% (BD-rate VMAF)。对于 VTM 7.0，相应增益分别为 ILF 最高 5.1% 与 PP 最高 7.1%。
引用
@article{arxiv.2007.07099,
title = {MFRNet: A New CNN Architecture for Post-Processing and In-loop Filtering},
author = {Di Ma and Fan Zhang and David R. Bull},
journal= {arXiv preprint arXiv:2007.07099},
year = {2020}
}