DCC2022:高阶帧内预测

本文来自DCC2022论文《High-order Intra Prediction for Future Video Coding》

 

帧内预测


帧内预测是去除空域冗余的重要工具,它从上方或左侧重建像素中为当前像素选择参考像素,参考像素的具体位置由像素投影法获得,它通过选择的模式的角度计算投影后的位置,它们通过线性模型实现。对于方向性很强的线性纹理,这种帧内预测方式效果很好,但是对于一些弯曲的纹理结构不能很好的处理。因此论文提出了一种通过二次模型计算参考像素位置的方法。

Fig.2(a)是传统的帧内预测方法,Fig.2(b)是论文提出的高阶帧内预测方法(HOIP)。

传统角度帧内预测


传统的角度帧内预测可以分为两类:垂直类和水平类。文中以垂直类为例说明。Fig.2(a)是一个垂直类的角度预测的例子,预测像素 p[x_{0}][y_{0}] 由上方参考像素求得,对应参考像素的坐标(c,0),

由当前位置和角度按公式(1)可求得参考像素位置,

然后可以得到参考像素p[c][0]

高阶帧内预测


高阶帧内预测和传统帧内预测原理相似,但是不再直接通过角度方向去取参考像素,其映射方式通过二次函数实现。Fig.2(b)中曲线就是二次函数,通过角度alpha和beta描述,曲线进入CU的切角是tan(alpha),曲线离开CU的切角是tan(beta),

假设x是y的二次函数,可以用公式(3)描述,其导数是公式(4)。导数公式里有两个参数a和b,由于曲线进入CU的切角是tan(alpha),曲线离开CU的切角是tan(beta),所以曲线在y=0时导数是tan(alpha),曲线在y=h时导数是tan(beta),代入公式可以求得参数a和b,

因此最终的二次函数为,

当alpha=beta时公式(7)退化为(1)。

为了方便将三角函数参数化表示,

最终参考像素的位置c如公式(11),

获得参考像素p[c][0]后,通过一个4抽头三次插值滤波器计算预测像素,如公式(12)。

对于水平类模式类似,

为了降低复杂度,在将HOIP集成进编码器时论文提出一些快速算法,具体可参考原文。

实验结果


实验平台选择VTM10.0,all intra配置,QP={22,27,32,37},

  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
提供的源码资源涵盖了安卓应用、小程序、Python应用和Java应用等多个领域,每个领域都包含了丰富的实例和项目。这些源码都是基于各自平台的最新技术和标准编写,确保了在对应环境下能够无缝运行。同时,源码中配备了详细的注释和文档,帮助用户快速理解代码结构和实现逻辑。 适用人群: 这些源码资源特别适合大学生群体。无论你是计算机相关专业的学生,还是对其他领域编程感兴趣的学生,这些资源都能为你提供宝贵的学习和实践机会。通过学习和运行这些源码,你可以掌握各平台开发的基础知识,提升编程能力和项目实战经验。 使用场景及目标: 在学习阶段,你可以利用这些源码资源进行课程实践、课外项目或毕业设计。通过分析和运行源码,你将深入了解各平台开发的技术细节和最佳实践,逐步培养起自己的项目开发和问题解决能力。此外,在求职或创业过程中,具备跨平台开发能力的大学生将更具竞争力。 其他说明: 为了确保源码资源的可运行性和易用性,特别注意了以下几点:首先,每份源码都提供了详细的运行环境和依赖说明,确保用户能够轻松搭建起开发环境;其次,源码中的注释和文档都非常完善,方便用户快速上手和理解代码;最后,我会定期更新这些源码资源,以适应各平台技术的最新发展和市场需求。
提供的源码资源涵盖了安卓应用、小程序、Python应用和Java应用等多个领域,每个领域都包含了丰富的实例和项目。这些源码都是基于各自平台的最新技术和标准编写,确保了在对应环境下能够无缝运行。同时,源码中配备了详细的注释和文档,帮助用户快速理解代码结构和实现逻辑。 适用人群: 这些源码资源特别适合大学生群体。无论你是计算机相关专业的学生,还是对其他领域编程感兴趣的学生,这些资源都能为你提供宝贵的学习和实践机会。通过学习和运行这些源码,你可以掌握各平台开发的基础知识,提升编程能力和项目实战经验。 使用场景及目标: 在学习阶段,你可以利用这些源码资源进行课程实践、课外项目或毕业设计。通过分析和运行源码,你将深入了解各平台开发的技术细节和最佳实践,逐步培养起自己的项目开发和问题解决能力。此外,在求职或创业过程中,具备跨平台开发能力的大学生将更具竞争力。 其他说明: 为了确保源码资源的可运行性和易用性,特别注意了以下几点:首先,每份源码都提供了详细的运行环境和依赖说明,确保用户能够轻松搭建起开发环境;其次,源码中的注释和文档都非常完善,方便用户快速上手和理解代码;最后,我会定期更新这些源码资源,以适应各平台技术的最新发展和市场需求。
04-26
提供的源码资源涵盖了安卓应用、小程序、Python应用和Java应用等多个领域,每个领域都包含了丰富的实例和项目。这些源码都是基于各自平台的最新技术和标准编写,确保了在对应环境下能够无缝运行。同时,源码中配备了详细的注释和文档,帮助用户快速理解代码结构和实现逻辑。 适用人群: 这些源码资源特别适合大学生群体。无论你是计算机相关专业的学生,还是对其他领域编程感兴趣的学生,这些资源都能为你提供宝贵的学习和实践机会。通过学习和运行这些源码,你可以掌握各平台开发的基础知识,提升编程能力和项目实战经验。 使用场景及目标: 在学习阶段,你可以利用这些源码资源进行课程实践、课外项目或毕业设计。通过分析和运行源码,你将深入了解各平台开发的技术细节和最佳实践,逐步培养起自己的项目开发和问题解决能力。此外,在求职或创业过程中,具备跨平台开发能力的大学生将更具竞争力。 其他说明: 为了确保源码资源的可运行性和易用性,特别注意了以下几点:首先,每份源码都提供了详细的运行环境和依赖说明,确保用户能够轻松搭建起开发环境;其次,源码中的注释和文档都非常完善,方便用户快速上手和理解代码;最后,我会定期更新这些源码资源,以适应各平台技术的最新发展和市场需求。
DCC-MGARCH是一种金融时间序列分析方法,用于估计条件协方差。DCC代表条件相关系数(Dynamic Conditional Correlation),而MGARCH代表多元广义自回归条件异方差模型(Multivariate Generalized Autoregressive Conditional Heteroskedasticity)。DCC-MGARCH模型结合了GARCH模型和DCC模型,旨在对金融时间序列的波动性和相关性进行建模。 在DCC-MGARCH模型中,首先使用GARCH模型对每个变量的条件方差进行建模,以捕捉其波动性的变化。然后,使用DCC模型对条件相关系数进行建模,以捕捉不同变量之间的相关性的变化。这个模型可以提供更准确和动态的波动性和相关性估计,有助于更好地理解和预测金融市场的变化。 在实际应用中,可以使用R语言和Stata等软件来实现DCC-MGARCH模型。通过这些软件提供的命令和函数,可以对金融时间序列进行建模和估计,并得出相应的结果和可视化图表,以帮助分析和解释数据。 参考文献: R语言多元(多变量)GARCH :GO-GARCH、BEKK、DCC-GARCH和CCC-GARCH模型和可视化。 DCC-MGARCH 基本原理和软件实现。 DCC 条件协方差方法在金融时间序列中的应用。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *3* [R语言改进的DCC-MGARCH:动态条件相关系数模型、BP检验分析股市数据](https://blog.csdn.net/tecdat/article/details/131298284)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] - *2* [DCC-MGARCH:动态条件相关系数模型(R+Stata)](https://blog.csdn.net/arlionn/article/details/119078416)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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