面向神经目标检测网络的帧内视频编码与环路滤波研究
图像与视频处理
2022-03-14 v1
摘要
面向作为最终用户的人类的经典视频编码是一个被广泛研究的视觉内容领域，且常见视频编解码器均针对人类视觉系统（HVS）进行了优化。但当压缩视频流由机器分析时，这些假设与优化是否仍然有效？为回答此问题，我们在自动驾驶场景下使用帧内编码，比较了两种最先进的神经检测网络在输入经HEVC和VVC编码的退化图像时的性能。此外，考察了三种VVC环路滤波器在为神经网络编码图像时的影响。结果使用平均精度均值（mean average precision）指标进行比较，以评估压缩输入下的目标检测性能。在这些测试中，我们发现，以PSNR计的Bjøntegaard Delta Rate节省方面，使用VVC替代HEVC对人而言可达22.2%，而为目标检测网络编码时最佳情况下仅达13.6%。此外，结果表明，在相同平均精度均值下，禁用VVC环路滤波器SAO和ALF相比标准VTM可节省6.4%的比特率。
引用
@article{arxiv.2203.05927,
title = {On Intra Video Coding and In-loop Filtering for Neural Object Detection Networks},
author = {Kristian Fischer and Christian Herglotz and André Kaup},
journal= {arXiv preprint arXiv:2203.05927},
year = {2022}
}
备注
5 pages, 6 figures, 2 tables; Originally published at IEEE ICIP 2020