无失真压缩法可以减少冗余_CVPR 2020 论文概述：基于深度学习的层级式视频压缩方法...

最新推荐文章于 2023-03-10 08:50:13 发布

weixin_39744894

最新推荐文章于 2023-03-10 08:50:13 发布

阅读量546

点赞数

文章标签：无失真压缩法可以减少冗余

本文链接：https://blog.csdn.net/weixin_39744894/article/details/112183386

版权

瑞士苏黎世联邦理工学院的研究人员在 CVPR 2020 上提出了 HLVC，一种结合双向预测和层级编码的深度学习视频压缩技术。HLVC 在解码端采用质量增强网络，提升了视频压缩效率，同时在 PSNR 和 MS-SSIM 的率失真性能上表现出色，超过 x265 的某些模式。

摘要由CSDN通过智能技术生成

在 CVPR 2020 论文《Learning for Video Compression with Hierarchical Quality and Recurrent Enhancement》中，瑞士苏黎世联邦理工学院博士研究生杨韧等人提出了一种基于深度学习的层级式视频压缩方法（Hierarchical Learned Video Compression, HLVC）。本篇论文将传统视频编码中的双向预测（bi-directional prediction）和层级式（hierarchical layer）编码方法引入深度学习的视频压缩框架，并在解码端针对层级式视频压缩的特点设计质量增强网络，有效提升视频压缩效率。本文方法优于现有的深度学习视频压缩方法，并且在 PSNR 和 MS-SSIM 的率失真性能上均超过 x265 LDP very fast 模式，在 MS-SSIM 率失真性能上超过 x265 Hierarchical B medium 和 x265 LDP medium 模式，在 PSNR 率失真性能上与 x265 LDP medium 模式相近。

论文链接 https://arxiv.org/abs/2003.01966

课题主页 https://github.com/RenYang-home/HLVC

个人主页 https://renyang-home.github.io/

本文 HLVC 方法为视频压缩设计三个不同质量的层级和一个递归式质量增强网络。如图 1 所示，第 1、2、3 层（lay