利用码流与像素特征学习的无参考率失真建模
图像与视频处理
2020-09-23 v2
摘要
通常，面向可变互联网带宽的自适应码率可通过多遍编码获得。相较于多遍编码，基于无参考预测的方法展现出实用优势，可避免过量计算资源消耗，尤其在低延迟场景下。然而，由于现代编解码器复杂的内部结构，多数方法无法精确预测。因此，为提升预测保真度，我们提出一种基于无参考预测的R-QP建模（PmR-QP）方法，利用深度学习算法仅通过一遍编码估算码率。它以尽可能少的调整改进现代编解码器中全局码率控制范式在灵活性与适用性上的表现。通过挖掘一遍编码前提下的码流与像素特征潜力，该方法能在精度上达到码率估算预期。具体而言，我们首先将R-QP关系曲线描述为源自Cauchy分布的稳健二次R-QP建模函数。其次，我们通过固定编码过程中所得关系曲线的一个操作点来简化建模函数。第三，我们从码流与像素特征中学习模型参数，称之为混合无参考特征，包含纹理信息、层级编码结构及帧内预测中的选定模式。大量实验表明，相较最先进方法，所提方法使码率估算误差在10%内的样本比例平均显著降低24.60%。
引用
@article{arxiv.2009.09056,
title = {Referenceless Rate-Distortion Modeling with Learning from Bitstream and Pixel Features},
author = {Yangfan Sun and Li Li and Zhu Li and Shan Liu},
journal= {arXiv preprint arXiv:2009.09056},
year = {2020}
}