华南理工大学学报(自然科学版)

作者：杨春玲, 吕泽宇

单位：华南理工大学 电子与信息学院，广东 广州 510640

关键词：视频压缩,深度学习,运动估计,多假设预测,编解码网络

基金：广东省自然科学基金资助项目(2017A030311028)

传统视频压缩编码方法被广泛使用，为了进一步提高压缩性能，基于深度学习的视频压缩编码方法的研究日益受到关注。现有深度学习的视频压缩编码方法基于光流实现运动补偿，在光流对齐过程中会产生伪影现象，降低了预测的准确性。文中提出了深层特征域的运动估计思路，设计了相应的神经网络在深层特征域提取运动信息。在此基础上，提出了多层多假设预测的运动补偿网络，通过在深层特征域、浅层特征域以及像素域3个层次使用多假设预测模块，提升运动补偿的准确性，提高整体的率失真性能。仿真结果表明，文中算法帧间预测结果减缓了伪影现象，视觉效果明显优于光流对齐。同时，文中算法与传统H.264、H.265方法和基于深度学习的单帧参考方法DVC、DVCpro相比，在高比特率和低比特率的情况下均取得了较好的率失真性能。与研究前沿的DCVC方法相比，在率失真性能相近的同时，文中算法减少了约26.8%的编码时间。以H.264编码结果为基准，于相同比特率条件下，文中算法在HEVC测试序列ClassB、ClassD、ClassE上的解码质量分别提升3.73、4.76、2.65 dB。由仿真实验结果可知，文中算法对视频序列进行压缩编码时，提高了运动补偿预测帧的准确度，降低了预测误差，缩短了残差信号压缩编码码流，提升了整体的率失真性能。

来源：2022年第10期

《华南理工大学学报(自然科学版)》期刊编辑部

查看华南理工大学学报(自然科学版)杂志2022年第10期