基于深度学习的快速QTMT划分

摘要：

与之前的编码标准相比,多功能视频编码(versatile video coding,VVC)进一步提高了压缩效率.嵌套多类树的四叉树(quadtree with nested multi-type tree,QTMT)结构是提高编码增益的关键之一,同时极大地增加了编码复杂度.为降低VVC编码复杂度,提出了一种基于深度学习的快速QTMT划分方法.首先,提出了注意力-非对称卷积结构来预测划分模式的概率.然后,基于阈值提出了快速划分模式决策.最后,提出了编码性能与时间的代价函数来求解最优阈值,提出了阈值决策方法.实验表明,算法在不同档次下的时间节省分别为48.62％、52.93％、62.01％,BDBR分别为1.05％、1.33％、2.38％.结果表明,算法的时间节省和率失真性能优于其他快速算法.

关键词：VVC、QTMT、快速划分决策、深度学习

所属期刊栏目：37

分类号：TP393(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目;浙江省自然科学基金资助项目;宁波市自然科学基金资助项目;重庆理工大学科研启动基金资助项目

在线出版日期：2021-05-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：73-81