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