透過您的圖書館登入
IP:18.221.222.47
  • 會議論文
  • OpenAccess

運用機器學習方法於快速HEVC視訊編碼

摘要


隨著視訊處理技術的進步以及數位多媒體應用技術日新月異的發展,視訊編碼的效能大幅提升,且行動智慧裝置的普及化使得網路多媒體應用多元化,其中高畫質視訊的應用也日趨普及,例如:4K Ultra HD、8K Ultra HD。對多媒體系統來說,視訊壓縮技術的優劣會影響應用系統的成效,因為編碼高畫質高影值視訊隨之而來的高頻寬高運算,為了有效降低編碼位元率同時保持低失真,最新一代H.265/HEVC(High Efficient Video Coding)視訊編碼標準,在相同的編碼品質下相較於前一代H.264/AVC可達到兩倍之壓縮率。為達此高效率編碼,HEVC增加了許多新的編碼技術,如:編碼單元(Coding Unit, CU)、預測單元(Predict Unit, PU)和轉換單元(Transform Unit, TU)的估測運用,也因此增加了大量的運算複雜度。HEVC必須花費相當大量的時間對所有的CU深度切割模式與PU分割模式以遞迴的方式來計算率失真成本(RD-cost),以決定最佳的編碼區塊模式。在HEVC編碼中,耗時最多的部分是畫面間預測模式,佔了約60%~70%整體編碼時間,因此本論文研究並提出了畫面間快速編碼演算法,其中運用了:(1)畫面間編碼單元快速決策,運用當前CU之鄰近CU資訊來決定要提前切割至下一層測試深度或提前終止當層的深度測試程序;(2)基於當前PU之鄰近PU的資訊來提前預測當前的最佳PU分割模式,藉此縮小測試PU分割模式的範圍。本論文整合上述兩種方法於HEVC編碼中,大幅降低編碼端的計算複雜度,並在可接受的位元率增加幅度與少量的影片品質(PSNR)損失下,平均可以減少72.53%的整體編碼時間。

關鍵字

HEVC 機器學習 快速編碼法

延伸閱讀