摘要
高效率視頻編碼（High Efficiency Video Coding, HEVC）標準採用相當彈性的四分樹的編碼分割結構，包括編碼單元、預測單元和轉換單元，提供了比上一代標準更好的編碼效能。然而此架構需要詳盡的位元失真率最佳化過程，使編碼端的計算複雜度急劇增加。為了緩解高效率視頻編碼幀間編碼的計算負擔，本論文提出一個快速編碼單元決策方法，透過即時訓練的人工神經網路建立預測模型。對比其它機器學習方法，我們不需要事先訓練預測模型，可適應各種視頻內容。藉由提取特定特徵：時間域、空間域的深度資訊、相鄰編碼旗標，相關的位元失真率成本等，協助決策編碼單元是否往下分割，並透過閾值調整編碼速度和效能。此方法實現在高效率視頻編碼測試軟件（HM）16.4版本上，已有效大幅降低編碼端計算複雜度。在低延時配置檔的設定中，達到約51.91％ 的編碼時間節省，伴隨不到2%BDBR(Bjǿntegaard delta bitrate)上升，隨著閾值調整，有±10%的編碼時間和±1% BDBR 的調整。
延伸閱讀
- 邱海（2014）。針對HEVC畫面間預測之SAO快速編碼演算法〔碩士論文，國立臺北科技大學〕。華藝線上圖書館。https://www.airitilibrary.com/Article/Detail?DocID=U0006-1808201415194000
- Duy, N. T. K. (2013). 用於HEVC可調視訊編碼中估測模式相依之像素權重畫面內預測演算法 [master's thesis, National Chiao Tung University]. Airiti Library. https://doi.org/10.6842/NCTU.2013.00489
- 劉宴均（2014）。基於支持向量機之HEVC畫面內編碼單位快速決策演算法〔博士論文，國立中央大學〕。華藝線上圖書館。https://www.airitilibrary.com/Article/Detail?DocID=U0031-0412201512014352
- 謝佳峻、陳俊中、吳逸韡、陳建中（2018）。運用機器學習方法於快速HEVC視訊編碼。載於國立東華大學（主編），NCS 2017 全國計算機會議（頁984-988）。國立東華大學。https://doi.org/10.29428/9789860544169.201801.0184
- 陳鶴元（2012）。HEVC之高效率編碼單位深度和預測單位模式快速決策演算法〔碩士論文，國立中央大學〕。華藝線上圖書館。https://www.airitilibrary.com/Article/Detail?DocID=U0031-1903201314442515