一种基于深度可分离卷积的VVC帧内编码快速块划分算法

最近，联合视频探索工作组（JVET）将通用视频编码（VVC）作为新一代视频编码标准，它利用复杂的四叉树加多类型树（QTMTT）划分结构有效地提升了编码性能，但也导致编码复杂度急剧攀升，大幅地增加了编码时间。为解决上述问题，提出了一种基于深度可分离卷积的VVC帧内编码快速块划分算法，将编码单元（CU）的原始像素值作为输入，利用轻量化的深度可分离卷积神经网络提取CU纹理信息特征指导CU的划分模式选择，实现精准的划分模式预测。该方案通过跳过低概率的划分模式，减少CU划分模式的遍历，大幅地降低编码器的复杂度。实验结果表明，所提算法在VTM 15.2平台上实现了18%～48%的编码时间节省，仅仅带来了平...

Ausführliche Beschreibung

Gespeichert in:

Bibliographische Detailangaben
Veröffentlicht in:	电信科学 2023-07, Vol.39 (7), p.99-108
Hauptverfasser:	叶振, 王国相, 宋俊锋, 刘昊坤, 黎天送
Format:	Artikel
Sprache:	chi
Online-Zugang:	Volltext
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

container_end_page	108
container_issue	7
container_start_page	99
container_title	电信科学
container_volume	39
creator	叶振王国相宋俊锋刘昊坤黎天送
description	最近，联合视频探索工作组（JVET）将通用视频编码（VVC）作为新一代视频编码标准，它利用复杂的四叉树加多类型树（QTMTT）划分结构有效地提升了编码性能，但也导致编码复杂度急剧攀升，大幅地增加了编码时间。为解决上述问题，提出了一种基于深度可分离卷积的VVC帧内编码快速块划分算法，将编码单元（CU）的原始像素值作为输入，利用轻量化的深度可分离卷积神经网络提取CU纹理信息特征指导CU的划分模式选择，实现精准的划分模式预测。该方案通过跳过低概率的划分模式，减少CU划分模式的遍历，大幅地降低编码器的复杂度。实验结果表明，所提算法在VTM 15.2平台上实现了18%～48%的编码时间节省，仅仅带来了平均0.15%的性能损失，并且轻量化的深度可分离卷积计算带来的额外复杂性也可以忽略不计。
doi_str_mv	10.11959/j.issn.1000-0801.2023132
format	Article
fullrecord	<record><control><sourceid>cass_wanfa</sourceid><recordid>TN_cdi_wanfang_journals_dxkx202307010</recordid><sourceformat>XML</sourceformat><sourcesystem>PC</sourcesystem><cass_id>DXKX2023007010</cass_id><wanfj_id>dxkx202307010</wanfj_id><sourcerecordid>DXKX2023007010</sourcerecordid><originalsourceid>FETCH-LOGICAL-c540-83decc8d684243a6377e75f8179096e05fa7c61afb06cb16bfa704d73bb4e0ba3</originalsourceid><addsrcrecordid>eNo9z89Kw0AQBvA9KFhqn0E8eEyczSbZ5CjxT8WCl1J6C7ubRFolgovYYwUtvVRB0IIg9dQeBIt4aImCL9Nt8C1MjXgavuHHNwxC6xh0jF3L3WzqDSljHQOABg5g3QCDYGIsocL_bgWVpGzwLJqW6xIooPJs2k5HPTVIZsnNfPKmkqG6HatuJx1-qN4kHY3Tx6tazVPTkepcp58P6fOl-nr5bg_UU1917xbytT9_v19FyxE7kWHpbxZRdXen6pW1yuHevrdV0YRlguaQIBTCCWzHNEzCbEJpSK3IwdQF1w7BihgVNmYRB1twbPMsgxlQwrkZAmekiDby2gsWRyw-8pun52dxdtAPWsetxctAAUPm1nInmJR-LGXgb9cP6r8gFz9fHHDW</addsrcrecordid><sourcetype>Aggregation Database</sourcetype><iscdi>true</iscdi><recordtype>article</recordtype></control><display><type>article</type><title>一种基于深度可分离卷积的VVC帧内编码快速块划分算法</title><source>DOAJ Directory of Open Access Journals</source><source>国家哲学社会科学学术期刊数据库 (National Social Sciences Database)</source><creator>叶振 ; 王国相 ; 宋俊锋 ; 刘昊坤 ; 黎天送</creator><creatorcontrib>叶振 ; 王国相 ; 宋俊锋 ; 刘昊坤 ; 黎天送</creatorcontrib><description>最近，联合视频探索工作组（JVET）将通用视频编码（VVC）作为新一代视频编码标准，它利用复杂的四叉树加多类型树（QTMTT）划分结构有效地提升了编码性能，但也导致编码复杂度急剧攀升，大幅地增加了编码时间。为解决上述问题，提出了一种基于深度可分离卷积的VVC帧内编码快速块划分算法，将编码单元（CU）的原始像素值作为输入，利用轻量化的深度可分离卷积神经网络提取CU纹理信息特征指导CU的划分模式选择，实现精准的划分模式预测。该方案通过跳过低概率的划分模式，减少CU划分模式的遍历，大幅地降低编码器的复杂度。实验结果表明，所提算法在VTM 15.2平台上实现了18%～48%的编码时间节省，仅仅带来了平均0.15%的性能损失，并且轻量化的深度可分离卷积计算带来的额外复杂性也可以忽略不计。</description><identifier>ISSN: 1000-0801</identifier><identifier>DOI: 10.11959/j.issn.1000-0801.2023132</identifier><language>chi</language><publisher>中国通信学会</publisher><ispartof>电信科学, 2023-07, Vol.39 (7), p.99-108</ispartof><rights>Copyright © Wanfang Data Co. Ltd. All Rights Reserved.</rights><oa>free_for_read</oa><woscitedreferencessubscribed>false</woscitedreferencessubscribed></display><links><openurl>$$Topenurl_article</openurl><openurlfulltext>$$Topenurlfull_article</openurlfulltext><thumbnail>$$Uhttp://www.wanfangdata.com.cn/images/PeriodicalImages/dxkx/dxkx.jpg</thumbnail><link.rule.ids>314,776,780,860,27901,27902</link.rule.ids></links><search><creatorcontrib>叶振</creatorcontrib><creatorcontrib>王国相</creatorcontrib><creatorcontrib>宋俊锋</creatorcontrib><creatorcontrib>刘昊坤</creatorcontrib><creatorcontrib>黎天送</creatorcontrib><title>一种基于深度可分离卷积的VVC帧内编码快速块划分算法</title><title>电信科学</title><description>最近，联合视频探索工作组（JVET）将通用视频编码（VVC）作为新一代视频编码标准，它利用复杂的四叉树加多类型树（QTMTT）划分结构有效地提升了编码性能，但也导致编码复杂度急剧攀升，大幅地增加了编码时间。为解决上述问题，提出了一种基于深度可分离卷积的VVC帧内编码快速块划分算法，将编码单元（CU）的原始像素值作为输入，利用轻量化的深度可分离卷积神经网络提取CU纹理信息特征指导CU的划分模式选择，实现精准的划分模式预测。该方案通过跳过低概率的划分模式，减少CU划分模式的遍历，大幅地降低编码器的复杂度。实验结果表明，所提算法在VTM 15.2平台上实现了18%～48%的编码时间节省，仅仅带来了平均0.15%的性能损失，并且轻量化的深度可分离卷积计算带来的额外复杂性也可以忽略不计。</description><issn>1000-0801</issn><fulltext>true</fulltext><rsrctype>article</rsrctype><creationdate>2023</creationdate><recordtype>article</recordtype><recordid>eNo9z89Kw0AQBvA9KFhqn0E8eEyczSbZ5CjxT8WCl1J6C7ubRFolgovYYwUtvVRB0IIg9dQeBIt4aImCL9Nt8C1MjXgavuHHNwxC6xh0jF3L3WzqDSljHQOABg5g3QCDYGIsocL_bgWVpGzwLJqW6xIooPJs2k5HPTVIZsnNfPKmkqG6HatuJx1-qN4kHY3Tx6tazVPTkepcp58P6fOl-nr5bg_UU1917xbytT9_v19FyxE7kWHpbxZRdXen6pW1yuHevrdV0YRlguaQIBTCCWzHNEzCbEJpSK3IwdQF1w7BihgVNmYRB1twbPMsgxlQwrkZAmekiDby2gsWRyw-8pun52dxdtAPWsetxctAAUPm1nInmJR-LGXgb9cP6r8gFz9fHHDW</recordid><startdate>20230720</startdate><enddate>20230720</enddate><creator>叶振</creator><creator>王国相</creator><creator>宋俊锋</creator><creator>刘昊坤</creator><creator>黎天送</creator><general>中国通信学会</general><general>人民邮电出版社有限公司</general><general>丽水学院,浙江丽水 323000%重庆师范大学,重庆 401331</general><scope>NSCOK</scope><scope>2B.</scope><scope>4A8</scope><scope>92I</scope><scope>93N</scope><scope>PSX</scope><scope>TCJ</scope></search><sort><creationdate>20230720</creationdate><title>一种基于深度可分离卷积的VVC帧内编码快速块划分算法</title><author>叶振 ; 王国相 ; 宋俊锋 ; 刘昊坤 ; 黎天送</author></sort><facets><frbrtype>5</frbrtype><frbrgroupid>cdi_FETCH-LOGICAL-c540-83decc8d684243a6377e75f8179096e05fa7c61afb06cb16bfa704d73bb4e0ba3</frbrgroupid><rsrctype>articles</rsrctype><prefilter>articles</prefilter><language>chi</language><creationdate>2023</creationdate><toplevel>online_resources</toplevel><creatorcontrib>叶振</creatorcontrib><creatorcontrib>王国相</creatorcontrib><creatorcontrib>宋俊锋</creatorcontrib><creatorcontrib>刘昊坤</creatorcontrib><creatorcontrib>黎天送</creatorcontrib><collection>国家哲学社会科学文献中心 (National Center for Philosophy and Social Sciences Documentation)</collection><collection>Wanfang Data Journals - Hong Kong</collection><collection>WANFANG Data Centre</collection><collection>Wanfang Data Journals</collection><collection>万方数据期刊 - 香港版</collection><collection>China Online Journals (COJ)</collection><collection>China Online Journals (COJ)</collection><jtitle>电信科学</jtitle></facets><delivery><delcategory>Remote Search Resource</delcategory><fulltext>fulltext</fulltext></delivery><addata><au>叶振</au><au>王国相</au><au>宋俊锋</au><au>刘昊坤</au><au>黎天送</au><format>journal</format><genre>article</genre><ristype>JOUR</ristype><atitle>一种基于深度可分离卷积的VVC帧内编码快速块划分算法</atitle><jtitle>电信科学</jtitle><date>2023-07-20</date><risdate>2023</risdate><volume>39</volume><issue>7</issue><spage>99</spage><epage>108</epage><pages>99-108</pages><issn>1000-0801</issn><abstract>最近，联合视频探索工作组（JVET）将通用视频编码（VVC）作为新一代视频编码标准，它利用复杂的四叉树加多类型树（QTMTT）划分结构有效地提升了编码性能，但也导致编码复杂度急剧攀升，大幅地增加了编码时间。为解决上述问题，提出了一种基于深度可分离卷积的VVC帧内编码快速块划分算法，将编码单元（CU）的原始像素值作为输入，利用轻量化的深度可分离卷积神经网络提取CU纹理信息特征指导CU的划分模式选择，实现精准的划分模式预测。该方案通过跳过低概率的划分模式，减少CU划分模式的遍历，大幅地降低编码器的复杂度。实验结果表明，所提算法在VTM 15.2平台上实现了18%～48%的编码时间节省，仅仅带来了平均0.15%的性能损失，并且轻量化的深度可分离卷积计算带来的额外复杂性也可以忽略不计。</abstract><pub>中国通信学会</pub><doi>10.11959/j.issn.1000-0801.2023132</doi><tpages>10</tpages><oa>free_for_read</oa></addata></record>
fulltext	fulltext
identifier	ISSN: 1000-0801
ispartof	电信科学, 2023-07, Vol.39 (7), p.99-108
issn	1000-0801
language	chi
recordid	cdi_wanfang_journals_dxkx202307010
source	DOAJ Directory of Open Access Journals; 国家哲学社会科学学术期刊数据库 (National Social Sciences Database)
title	一种基于深度可分离卷积的VVC帧内编码快速块划分算法
url	https://sfx.bib-bvb.de/sfx_tum?ctx_ver=Z39.88-2004&ctx_enc=info:ofi/enc:UTF-8&ctx_tim=2025-02-06T21%3A16%3A27IST&url_ver=Z39.88-2004&url_ctx_fmt=infofi/fmt:kev:mtx:ctx&rfr_id=info:sid/primo.exlibrisgroup.com:primo3-Article-cass_wanfa&rft_val_fmt=info:ofi/fmt:kev:mtx:journal&rft.genre=article&rft.atitle=%E4%B8%80%E7%A7%8D%E5%9F%BA%E4%BA%8E%E6%B7%B1%E5%BA%A6%E5%8F%AF%E5%88%86%E7%A6%BB%E5%8D%B7%E7%A7%AF%E7%9A%84VVC%E5%B8%A7%E5%86%85%E7%BC%96%E7%A0%81%E5%BF%AB%E9%80%9F%E5%9D%97%E5%88%92%E5%88%86%E7%AE%97%E6%B3%95&rft.jtitle=%E7%94%B5%E4%BF%A1%E7%A7%91%E5%AD%A6&rft.au=%E5%8F%B6%E6%8C%AF&rft.date=2023-07-20&rft.volume=39&rft.issue=7&rft.spage=99&rft.epage=108&rft.pages=99-108&rft.issn=1000-0801&rft_id=info:doi/10.11959/j.issn.1000-0801.2023132&rft_dat=%3Ccass_wanfa%3EDXKX2023007010%3C/cass_wanfa%3E%3Curl%3E%3C/url%3E&disable_directlink=true&sfx.directlink=off&sfx.report_link=0&rft_id=info:oai/&rft_id=info:pmid/&rft_cass_id=DXKX2023007010&rft_wanfj_id=dxkx202307010&rfr_iscdi=true