-
题名一种低延迟的3维高效视频编码中深度建模模式编码器
被引量：5
- 1
-
-
作者
王莉
曹一凡
杜高明
刘冠宇
王晓蕾
张多利
-
机构
合肥工业大学电子科学与应用物理学院
-
出处
《电子与信息学报》
EI
CSCD
北大核心
2019年第7期1625-1632,共8页
-
基金
国家自然科学基金(61474036)
教育部IC设计网上合作研究中心项目(JSGG20170413153845042)~~
-
文摘
为了更好地对3D视频中深度图进行编码,该文将3维高效视频编码(3D-HEVC)标准新引入了深度建模模式(DMMs),新模式在提高了编码质量的同时改进了原有算法的复杂度。在设计DMM-1编码器电路时,传统架构电路的编码周期均较长,只能满足较低分辨率和帧率的视频实时编码要求。为了进一步提高3D-HEVC中DMM-1编码器的性能,该文对DMM-1算法架构进行了研究,针对其中楔形块评估无数据相关性的特点,提出了一种5级流水线架构的DMM-1编码器硬件电路,以期能够降低一个深度块编码所需的编码周期,并使用VerilogHDL进行实现。实验表明:该架构与Sanchez等人(2017年)的工作相比,以电路门数增加约1568门为代价,可减少至少52.3%的编码周期。
-
关键词
3维高效视频编码
深度图
帧内预测
深度建模模式算法
VERILOG
-
Keywords
3D-High Efficiency Video Coding (3D-HEVC)
Depth map
Intra prediction
Depth Modelling Mode (DMM) algorithm
Verilog
-
分类号
TN47
[电子电信—微电子学与固体电子学]
TN919.81
[电子电信—通信与信息系统]
-
-
题名面向三维高效视频编码的深度图错误隐藏
被引量：1
- 2
-
-
作者
周洋
吴佳忆
陆宇
殷海兵
-
机构
杭州电子科技大学通信工程学院
-
出处
《电子与信息学报》
EI
CSCD
北大核心
2019年第11期2760-2767,共8页
-
基金
浙江省自然科学基金(LY17F020027)
国家自然科学基金(61401132,61572449)~~
-
文摘
基于多视点视频序列视点内、视点间存在的相关性,并结合视点间运动矢量共享技术,该文提出一种面向3维高效视频编码中深度序列传输丢包的错误隐藏算法。首先,根据3D高效视频编码(3D-HEVC)的分层B帧预测(HBP)结构和深度图纹理特征,将深度图丢失块分成运动块和静止块;然后,对于受损运动块,使用结合纹理结构的外边界匹配准则来选择相对最优的运动/视差矢量进行基于位移矢量补偿的错误掩盖,而对受损静止块采用参考帧直接拷贝进行快速错误隐藏;最后,使用参考帧拆分重组来获取新的运动/视差补偿块对修复质量较差的重建块进行质量提升。实验结果表明:相较于近年提出的对比算法,该文算法隐藏后的深度帧平均峰值信噪比(PSNR)能提升0.25~2.03 dB,结构相似度测量值(SSIM)能提升0.001~0.006,且修复区域的主观视觉质量与原始深度图更接近。
-
关键词
3维高效视频编码
多视视频加深度
匹配准则
视差矢量
错误隐藏
-
Keywords
3D-High Efficiency Video Coding(3D-HEVC)
Multi-view video plus depth
Matching criterion
Disparity vector
Error concealment
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于多分支网络的深度图帧内编码单元快速划分算法
被引量：3
- 3
-
-
作者
刘畅
贾克斌
刘鹏宇
-
机构
北京工业大学信息学部
先进信息网络北京实验室
计算智能与智能系统北京市重点实验室
-
出处
《电子与信息学报》
EI
CSCD
北大核心
2022年第12期4357-4366,共10页
-
基金
国家重点研发计划(2018YFF01010100)
北京市自然科学基金(4212001)
青海省基础研究计划(2020-ZJ-709,2021-ZJ-704)。
-
文摘
3维高效视频编码(3D-HEVC)标准是最新的3维(3D)视频编码标准,但由于其引入深度图编码技术导致编码复杂度大幅增加。其中,深度图帧内编码单元(CU)的四叉树划分占3D-HEVC编码复杂度的90%以上。对此,在3D-HEVC深度图帧内编码模式下,针对CU四叉树划分复杂度高的问题,该文提出一种基于深度学习的CU划分结构快速预测方案。首先,构建学习深度图CU划分结构信息的数据集;其次,搭建预测CU划分结构的多分支卷积神经网络(MB-CNN)模型,并利用构建的数据集训练MB-CNN模型;最后,将MB-CNN模型嵌入3DHEVC的测试平台,通过直接预测深度图帧内编码模式下CU的划分结构来降低CU划分复杂度。与标准算法相比,编码复杂度平均降低了37.4%。实验结果表明,在不影响合成视点质量的前提下,该文所提算法有效地降低了3D-HEVC的编码复杂度。
-
关键词
3维高效视频编码
深度图
帧内编码
编码单元划分
深度学习
-
Keywords
Three Dimensional-High Efficiency Video Coding(3D-HEVC)
Depth map
Intra-frame coding
Coding Unit(CU)partition
Deep learning
-
分类号
TN919.81
[电子电信—通信与信息系统]
-
