基于深层特征学习的高效率视频编码中帧内快速预测算法

摘要：

高效视频编码(HEVC)标准相对于H.264/AVC标准提升了压缩效率,但由于引入的编码单元四叉树划分结构也使得编码复杂度大幅度提升.对此,该文提出一种针对HEVC帧内编码模式下编码单元(CU)划分表征矢量预测的多层特征传递卷积神经网络(MLFT-CNN),大幅度降低了视频编码复杂度.首先,提出融合CU划分结构信息的降分辨率特征提取模块;其次,改进通道注意力机制以提升特征的纹理表达性能;再次,设计特征传递机制,用高深度编码单元划分特征指导低深度编码单元的划分;最后建立分段特征表示的目标损失函数,训练端到端的CU划分表征矢量预测网络.实验结果表明,在不影响视频编码质量的前提下,该文所提算法有效地降低了HEVC的编码复杂度,与标准方法相比,编码复杂度平均下降了70.96％.

关键词：高效视频编码、复杂度降低、深度学习、帧内编码

所属期刊栏目：43

分类号：TN919.81

资助基金：国家自然科学基金;国家重点研发计划;基础研究项目

在线出版日期：2021-07-22（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：2023-2031