r语言 最优线性无偏预测_增强运动补偿预测的自适应最优线性估计

本文是来自AOMedia 2019 Research Symposium的演讲，演讲者是来自加州大学Ken Rose，演讲的主题是提出了一种适用于前向预测和双向预测的增强运动补偿预测自适应最优线性估计。Ken首先介绍了传统基于块的运动补偿预测方案，并指出了问题。对于给定的像素，考虑一组附近的候选MV，它们指向一组候选参考像素，这些像素被视为当前像素的噪声观测，构造最优线性估计器，从“噪声观测”估计当前像素。然后给出了最优线性估计的推导，包括自相关矩阵估计，互相关向量估计。整体运动补偿预测过程为：基于估计的互相关向量和自相关矩阵推导出最优的像素线性估计，使用估计器形成当前帧预测，预测系数考虑了相邻MVs之间的距离和差值。实验结果显示，每个块单参考帧的情况下有明显的性能提升。接着Ken又介绍了双向预测的最优线性估计，实验结果显示有显著的性能改进，并且复杂性大大降低，规避了大范围运动估计。附上演讲视频：