JVET-Y0092-基于DIMD推导的色度帧内预测模式

本文来自提案 JVET-Y0092

介绍

ECM3.1中色度分量的帧内预测模式好包括六种交叉分量线性模型 (LM) 模式(CCLM_LT、CCLM_L、CCLM_T、MMLM_LT、MMLM_L 和 MMLM_T 模式) 、直接模式 (DM) 和四 默认色度帧内预测模式。 四种默认模式由列表 {0,50,18,1} 给出,如果 DM 模式已经属于该列表,则列表中的模式将替换为模式 66。

ECM中引入了DIMD技术,DIMD是为当前块的第二相邻行和第二列的L形模板的每个重建亮度样本计算水平梯度和垂直梯度,以构建梯度直方图(HoG)。 然后,将具有最大和第二大直方图幅度值的两个帧内预测模式与PLANAR模式加权融合,以生成当前亮度块的最终预测值。

本提案提出将DIMD应用在帧内色度预测模式(DIMD Chroma)以及非 LM 模式和 LM 模式的融合。

方法一

提出了一种解码端派生色度帧内预测模式(DIMD chroma):

使用当前色度块对应的亮度重建样本推导DIMD模式,将推导得到的模式作为色度预测模式进行预测。

如上图所示,利用亮度重建样本计算水平梯度和垂直梯度,建立梯度直方图HOG,选出幅度值最大的角度模式作为 DIMD 色度模式。如果推导出的角度模式等于 DM 模式,则使用幅度值第二大的角度模式。

编码端发送CU级的标志以指示是否应用DIMD Chroma模式,所提出方法中intra_chroma_pred_mode的二进制化过程如下图所示:

bin string

chroma intra mode

1100

planar

1101

DC

1110

horizontal

1111

vertical

10

DIMD chroma

0

DM

 方法二

提出将非LM模式得到的预测值pred_nonLM(包括DIMD Chroma在内的6种模式)和LM模式pred_LM(仅MMLM_LT模式)得到的预测值进行加权融合:

 对于 I Slice,加权融合的权重由相邻CU的预测模式决定,具体地:

above

left

(w0, w1)

LM

LM

(1, 3)

LM

Non LM

(2, 2)

Non LM

LM

(2, 2)

Non LM

Non LM

(3, 1)

对于B/P slice,使用相等的权重。

对于非LM模式,需要额外发送一个标志以指示是否应用加权融合。

实验结果

所提出的方法在 ECM3.1 的性能:

 All Intra Main10

 Over ECM-3.1 

Y

U

V

EncT

DecT

Class A1

-0.11%

-1.74%

-1.27%

105%

99%

Class A2

-0.07%

-1.43%

-1.32%

106%

99%

Class B

-0.10%

-1.29%

-1.40%

104%

101%

Class C

-0.11%

-1.35%

-1.28%

106%

100%

Class E

-0.14%

-1.82%

-1.70%

104%

101%

Overall

-0.11%

-1.49%

-1.39%

105%

100%

Class D

-0.10%

-0.87%

-1.05%

107%

99%

Class F

-0.11%

-0.89%

-0.81%

104%

100%

Random access Main10

 Over ECM-3.1 

Y

U

V

EncT

DecT

Class A1

-0.02%

-0.61%

-0.45%

102%

99%

Class A2

-0.04%

-0.61%

-0.47%

103%

99%

Class B

0.02%

-0.79%

-0.88%

102%

100%

Class C

0.03%

-0.76%

-0.51%

102%

99%

Class E

 

 

 

 

Overall

0.00%

-0.71%

-0.62%

102%

99%

Class D

0.07%

-0.61%

-0.98%

102%

99%

Class F

-0.04%

-0.35%

-0.43%

102%

99%

 非 I Slice的修改:融合方法中的非 LM 模式被限制为仅使用提出的 DIMD 色度模式。修改后的RA下的性能:

 

 

Random access Main10

 

 

 

 

Over ECM-3.1

 

 

Y

U

V

EncT

DecT

Class A1

-0.05%

-0.43%

-0.51%

101%

99%

Class A2

-0.05%

-0.58%

-0.40%

101%

99%

Class B

-0.02%

-0.65%

-0.72%

100%

99%

Class C

-0.03%

-0.56%

-0.17%

101%

99%

Class E

 

 

 

 

Overall

-0.03%

-0.57%

-0.47%

101%

99%

Class D

-0.02%

-0.23%

-0.74%

100%

99%

Class F

-0.06%

-0.24%

-0.26%

100%

98%

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值