广义率失真函数建模

许多多媒体应用需要精确理解由视觉质量与媒体属性关系所度量的率失真特性，我们将其称为广义率失真（GRD）函数。在本研究中，我们探索了压缩数字视频在比特率、分辨率和观看设备/条件三维空间中的 GRD 行为。我们对大规模视频数据集的分析揭示，经验参数模型存在系统性偏差，而穷举搜索方法需要过多的计算时间来描绘 GRD 曲面。通过利用所有 GRD 函数共有的性质，我们开发了一种鲁棒轴向单调 Clough-Tocher（RAMCT）插值方法来对 GRD 函数建模。该模型使我们能够从适量测量值中精确重建源视频内容的完整 GRD 函数。为进一步降低计算成本，我们提出了一种基于概率模型和信息度量的新颖采样方案。所提出的采样方法通过最小化剩余样本的整体信息量来构建质量查询序列。实验结果表明，所提算法在精度和效率上显著优于现有最优方法。最后，我们展示了所提模型在三个应用中的用途：率失真曲线预测、按标题编码配置文件生成以及视频编码器比较。