Key points are not available for this paper at this time.
Cet article présente une décision de partitionnement de blocs rapide configurable pour la prédiction intra-image du Codage Vidéo Polyvalent (VVC) utilisant une machine à boost léger (LGBM). Le VVC améliore encore l'efficacité du codage en introduisant un Quadtree avec un Arbre Multi-Type imbriqué (QTMT), permettant cinq types de division, autorisant des tailles d'unités de codage (CU) carrées et rectangulaires. Cependant, cette amélioration de l'efficacité du codage s'accompagne d'un coût computationnel élevé, car plusieurs combinaisons de tailles de blocs et de modes de prédiction sont évaluées à travers le coûteux processus d'Optimisation Taux-Distorsion (RDO). Dans cet article, nous proposons une décision de partitionnement utilisant des classificateurs LGBM pour éviter le processus RDO exhaustif et sauter l'évaluation des types de division peu susceptibles d'être choisis comme étant le meilleur. À cette fin, cinq classificateurs (un pour chaque type de division) ont été entraînés hors ligne avec un processus d'entraînement efficace utilisant des caractéristiques efficaces d'information sur la texture, le codage et le contexte. La solution proposée est hautement configurable et peut fournir plusieurs points d'opération avec différents compromis entre gain de temps et efficacité de codage, selon les exigences de l'application. En considérant cinq points d'opération, la solution configurable peut réduire le temps de codage de 35,22 % à 61,34 %, avec des pertes d'efficacité de codage de 0,46 % à 2,43 %. Comparé à l'état de l'art, notre solution est capable de surpasser les travaux connexes en termes de taux-distorsion combiné et de gain de temps.
Building similarity graph...
Analyzing shared references across papers
Loading...
Mário Saldanha
Universidade Federal de Pelotas
Gustavo Sanchez
Karlsruhe Institute of Technology
César Marcon
Pontifícia Universidade Católica do Rio Grande do Sul
IEEE Transactions on Circuits and Systems for Video Technology
Universidade Federal de Pelotas
Pontifícia Universidade Católica do Rio Grande do Sul
Instituto Federal Farroupilha
Building similarity graph...
Analyzing shared references across papers
Loading...
Saldanha et al. (Mon,) ont étudié cette question.
synapsesocial.com/papers/69defe569dc1adad2fedbc79 — DOI: https://doi.org/10.1109/tcsvt.2021.3108671