تقسيم QTMT السريع لترميز VVC الداخلي باستخدام إطار عمل U-Net

لقد زادت ترميز الفيديو المتنوع (VVC) بشكل كبير من كفاءة الترميز على حساب العديد من أدوات الترميز المعقدة، وخاصة تقسيم كتل Quad-Tree المرنة بالإضافة إلى شجرة متعددة الأنواع (QTMT). تقترح هذه الورقة خوارزمية تعتمد على التعلم العميق تُطبق في تقسيم QTMT السريع لترميز VVC الداخلي. يُقلل حلنا بشكل كبير من وقت الترميز من خلال إنهاء مبكر للتوقع الداخلي الأقل احتمالًا وتقسيمات مع زيادة BD-BR ضئيلة. أولاً، يُوصى بإعادة تصميم U-Net كأساس لشبكة العمل. بعد ذلك، نصمم شبكة دمج معلمة الجودة (QP) لتنظيم تأثيرات QPs على نتائج التقسيم. أخيرًا، نتبنى استراتيجية معالجة ما بعد مُحسّنة لتحقيق توازن أفضل بين أداء الترميز وتعقيده. تُظهر النتائج التجريبية أن حلنا يتفوق على الأعمال الرائدة بحصة تعقيد مُنخفضة تتراوح من 44.74% إلى 68.76% وزيادة في BD-BR من 0.60% إلى 2.33%.