基于深度学习的环路滤波的消融实验

最新推荐文章于 2024-04-07 15:30:52 发布

Dillon2015

最新推荐文章于 2024-04-07 15:30:52 发布

阅读量1.4w

点赞数 2

分类专栏： H.266/VVC 深度学习视频编码文章标签：深度学习环路滤波消融实验

本文链接：https://blog.csdn.net/dillon2015/article/details/126788696

版权

视频编码同时被 3 个专栏收录

216 篇文章 56 订阅

订阅专栏

H.266/VVC

155 篇文章 141 订阅

订阅专栏

深度学习

31 篇文章 5 订阅

订阅专栏

本文来自提案JVET-Z0106，在上一篇文章《基于深度学习的环路滤波和残差缩放》中介绍了JVET-Y0143提案使用深度学习模型来做环路滤波带来了性能提升，但是整个模型还是一个“黑盒”，无法确定究竟是模型的哪个部分起了关键作用。本文通过消融实验对模型的输入和结构进行研究，从而确定不同模块对于最终的效果的影响。

简介

提案设计了多个消融实验，每次控制单一变量，从而确定该变量对模型的影响。研究针对帧内亮度模型（intra luma model），帧内色度模型和帧间模型保持不变。JVET-Y0143提案的帧内亮度模型的输入包括重建像素（rec）、预测像素（pred）、划分信息（part）、边界强度（BS）和QP。模型有8个残差单元，每个都使用了attention。针对这些输入和模型结构设计了以下消融实验：

增加训练时间：训练时间由60小时增至146小时。
移除输入：

1. 移除划分信息part
2. 移除BS信息
3. 同时移除划分信息part和BS信息
4. 移除预测信息pred

减少网络层数（残差单元由8个变为4个）
增加网络层数（残差单元由8个变为16个）
去掉残差单元的attention（最后一个残差单元除外）
去掉所有残差单元的attention

整个消融实验的结果如表1，使用all intra配置，复杂度使用kMACs/sample度量，整体复杂度包括了帧内色度模型和帧间模型尽管它们没改动。

消融实验

首先对JVET-Y0143提案中的模型进行了重新训练并取得了相似的BD-Rate，网络结构和JVET-Y0143提案中的一样，如图Fig.1-3，Fig.1将输入进行整合产生输出y。y再传入到8个残差单元，Fig.2是残差单元。最后一个残差的单元的输出传递到网络的最后一部分Fig.3。

重新训练取得了和JVET-Y0143提案类似的效果（BD-Rate -7.39%），经过155轮次（60小时）训练BD-Rate为-7.38%，如表1的第1、2行。

增加训练时间

第一个消融实验是增加训练时间看对模型效果的影响，训练由155轮次（60小时）增加到378轮次（146小时），BD-Rate由-7.38%变为-7.57%，提升了0.19%，这表明增加训练时间能提升模型效果。本文使用此模型作为基准，后续的实验都训练378轮次。表1第3行。

移除输入

这部分实验通过移除不同输入验证它们对模型的影响。

移除划分信息

将输入中的划分信息移除，只保留rec、pred、BS和QP，经过378轮次的训练BD-Rate为-7.57%，表1第4行。移除前的BD-Rate也为-7.57%（表1第3行），这表明去掉划分信息对帧内亮度模型的效果没有影响。而且移除划分信息后复杂度也由429kMACs/sample降为418kMACs/sample。

移除BS信息

将输入中的BS信息移除，只保留rec、pred、part和QP，经过378轮次的训练BD-Rate为-7.56%，表1第5行。移除前的BD-Rate为-7.57%（表1第3行），这表明去掉BS信息对帧内亮度模型的效果几乎没有影响。而且移除BS信息后复杂度也由429kMACs/sample降为418kMACs/sample。

移除划分信息和BS信息

将输入中的划分信息和BS信息都移除，只保留rec、pred和QP，经过378轮次的训练BD-Rate为-7.42%，表1第6行。移除前的BD-Rate为-7.57%（表1第3行），这表明同时去掉划分信息和BS信息对帧内亮度模型有影响，可以判断划分信息和BS信息在模型中可能起到相似的作用，模型中至少保留两者之一。移除划分信息和BS信息后复杂度由429kMACs/sample降为407kMACs/sample。

移除预测信息

将输入中的预测信息移除，只保留rec、part、BS和QP，经过378轮次的训练BD-Rate为-7.35%，表1第7行。移除前的BD-Rate为-7.57%（表1第3行），这表明去掉预测信息对帧内亮度模型的效果影响很大。

减少网络层数

本实验将残差单元数量由8个减少为4个，经过378轮次的训练BD-Rate为-6.76%，表1第8行。移除前的BD-Rate为-7.57%（表1第3行），这表明减少网络层数对帧内亮度模型的效果影响很大。由于残差单元数量的减半，复杂度由429kMACs/sample降为261kMACs/sample。

增加网络层数

本实验将残差单元数量由8个增加为16个，经过378轮次的训练BD-Rate为-8.28%，表1第9行，由于网络层数加深训练时间也由146小时增加为235小时。移除前的BD-Rate为-7.57%（表1第3行），这表明增加网络层数可以提升帧内亮度模型的效果。由于残差单元数量的加倍，复杂度由429kMACs/sample降为765kMACs/sample。

去掉残差单元的attention（最后一个残差单元除外）

去掉前7个残差单元中的attention计算，不带attention的残差单元结构如下图，第8个残差单元保持不变，经过378轮次的训练BD-Rate为-7.56%，表1第10行，对帧内亮度模型的效果几乎没有影响。由于减少了attention的计算，，复杂度由429kMACs/sample降为426kMACs/sample。