基于两遍学习的码率因子预测实现质量恒定逐段编码
计算机视觉与模式识别
2022-08-24 v1 图像与视频处理
摘要
提供质量恒定的码流可同时保证用户体验并避免码率浪费。本文提出一种基于深度学习的两遍编码器参数预测框架来决定码率因子（RF），使编码器能输出质量恒定的码流。针对视频中每个一次性片段，所提方法首先通过超快速预处理提取空间、时间和预编码特征。基于这些特征，由深度神经网络预测一个RF参数。视频编码器使用该RF压缩片段作为第一遍编码。然后测量第一遍编码的VMAF质量。若质量未达目标，则执行第二遍RF预测与编码。借助第一遍预测的RF及相应实际质量作为反馈，第二遍预测将高度准确。实验表明，所提方法平均仅需1.55倍编码复杂度，同时压缩视频实际VMAF在目标VMAF附近内的准确率达到98.88%。
引用
@article{arxiv.2208.10739,
title = {Quality-Constant Per-Shot Encoding by Two-Pass Learning-based Rate Factor Prediction},
author = {Chunlei Cai and Yi Wang and Xiaobo Li and Tianxiao Ye},
journal= {arXiv preprint arXiv:2208.10739},
year = {2022}
}