基于多分支网络的深度图帧内编码单元快速划分算法
3维高效视频编码(3D-HEVC)标准是最新的3维(3D)视频编码标准,但由于其引入深度图编码技术导致编码复杂度大幅增加.其中,深度图帧内编码单元(CU)的四叉树划分占3D-HEVC编码复杂度的90%以上.对此,在3D-HEVC深度图帧内编码模式下,针对CU四叉树划分复杂度高的问题,该文提出一种基于深度学习的CU划分结构快速预测方案.首先,构建学习深度图CU划分结构信息的数据集;其次,搭建预测CU划分结构的多分支卷积神经网络(MB-CNN)模型,并利用构建的数据集训练MB-CNN模型;最后,将MB-CNN模型嵌入3D-HEVC的测试平台,通过直接预测深度图帧内编码模式下CU的划分结构来降低CU划分复杂度.与标准算法相比,编码复杂度平均降低了37.4%.实验结果表明,在不影响合成视点质量的前提下,该文所提算法有效地降低了3D-HEVC的编码复杂度.
3维高效视频编码、深度图、帧内编码、编码单元划分、深度学习
44
TN919.81
国家重点研发计划;北京市自然科学基金;青海省基础研究计划项目;青海省基础研究计划项目
2022-12-26(万方平台首次上网日期,不代表论文的发表时间)
共10页
4357-4366