VVC

摘要： 为了提升人像视频编码的码率控制精确度和率失真性能,将优化比特分配算法应用于VVC的码率控制模型.首先,根据码率控制模型进行比特分配;其次,应用递归泰勒展开法计算编码单元的全局拉格朗日乘子;最后,优化编码单元的比特分配并编码.实验结果显示,遵循通用测试条件CTC,在低延时P帧配置下,相比于VTM12.0的码率控制算法,码率控制误差由0.72%降低到0.0083%,整体编码时间下降5.17%,码率节省BD-rate-1.6%.

摘要： As video compression is one of the core technologies required to enable seamless medical data streaming in mobile healthcare applications,there is a need to develop powerful media codecs that can achieve minimum bitrates while maintaining high perceptual quality.Versatile Video Coding(VVC)is the latest video coding standard that can provide powerful coding performance with a similar visual quality compared to the previously developed method that is High Efficiency Video Coding(HEVC).In order to achieve this improved coding performance,VVC adopted various advanced coding tools,such as flexible Multi-type Tree(MTT)block structure which uses Binary Tree(BT)split and Ternary Tree(TT)split.However,VVC encoder requires heavy computational complexity due to the excessive Ratedistortion Optimization(RDO)processes used to determine the optimalMTT block mode.In this paper,we propose a fast MTT decision method with two Lightweight Neural Networks(LNNs)using Multi-layer Perceptron(MLP),which are applied to determine the early termination of the TT split within the encoding process.Experimental results show that the proposed method significantly reduced the encoding complexity up to 26%with unnoticeable coding loss compared to the VVC TestModel(VTM).

摘要： 图像压缩是数据压缩技术在数字图像上的应用,其目的是减少图像数据中的冗余,从而用更加高效的格式存储和传输数据.传统的图像压缩方法中,图像压缩分为预测、变换、量化、熵编码等步骤,每一步均采用人工设计的算法分别进行优化.近年来,基于深度神经网络的端到端图像压缩方法在图像压缩中取得了丰硕的成果,相比传统方法,端到端图像压缩可以进行联合优化,能够取得比传统方法更高的压缩效率.文中首先对端到端图像压缩的方法和网络结构进行了介绍;接着对端到端图像压缩中的关键技术进行了阐述,包括量化技术、概率建模和熵编码技术以及编码端码率分配技术;然后介绍了端到端图像压缩的扩展应用研究,包括可伸缩编码、可变码率压缩、面向视觉感知和机器感知的压缩;最后通过实验对端到端图像压缩方法目前可达到的压缩效率与传统方法进行了对比,展示了其压缩性能.实验结果表明,目前最新的端到端图像压缩方法的压缩效率远高于JPEG,JPEG2000,HEVC intra等传统图像编码方法,相比目前最先进的编码标准VVC intra,在同样的MS-SSIM上节省了高达48.40％的编码码率.

摘要： 与之前的编码标准相比,多功能视频编码(versatile video coding,VVC)进一步提高了压缩效率.嵌套多类树的四叉树(quadtree with nested multi-type tree,QTMT)结构是提高编码增益的关键之一,同时极大地增加了编码复杂度.为降低VVC编码复杂度,提出了一种基于深度学习的快速QTMT划分方法.首先,提出了注意力-非对称卷积结构来预测划分模式的概率.然后,基于阈值提出了快速划分模式决策.最后,提出了编码性能与时间的代价函数来求解最优阈值,提出了阈值决策方法.实验表明,算法在不同档次下的时间节省分别为48.62％、52.93％、62.01％,BDBR分别为1.05％、1.33％、2.38％.结果表明,算法的时间节省和率失真性能优于其他快速算法.

摘要： Fraunhofer HHI正式宣布了下一代视频编解码标准H.266/VVC(Versatile Video Coding),本文利用官方H.266编码模型,编写相关测试程序用于实现8K视频的PSNR及PQA分析,对4K/8K VR的H.266编码进行PSNR损伤及PQA评价,解决现有分析软件均不支持8K分辨率及对应10比特分析问题.

摘要： 为了降低下一代通用视频编码(VVC)帧内预测编码单元(CU)划分的计算复杂度,提出一种基于梯度幅值相似度的CU快速划分方法.首先,计算当前编码单元下层的四个子编码单元的平均梯度幅值相似度偏差(MGMSD),根据该信息来确定当前编码单元是否进行四叉树划分或不划分.其次,当不满足四叉树划分和不划分的条件时,通过遍历得到三叉树划分和二叉树划分的子块像素方差的方差,根据该信息来选择二叉树和三叉树中最佳的划分方式.在全I帧条件下,本文方法与VTM7.0(VVC Test Model 7.0)标准模型相比,编码时长平均降低了50.69％,在大幅降低编码复杂度的同时码率仅增加1.36％.

摘要： 作为新一代视频编码标准,H.266/VVC引入了嵌套在多类型树中的四叉树划分结构,但编码时间明显增加.在360度视频场景下,针对上述问题,设计一种CU划分快速决策算法.通过统计分析不同纬度CU划分结构的分布特征,发现不论多叉树如何进行划分,1个CU的四叉树深度可以代表它的复杂程度.在各个纬度区分简单与复杂CU,分别决定两者可达的四叉树深度,由四叉树深度抉择四叉树划分与多叉树划分的选取.另一方面通过CU子块复杂度的差异辅助判断复杂CU的划分方式,可以降低原有算法的计算量,以节省编码时间.实验结果表明:在全Ⅰ帧模式下,与现有的VTM8.0相比,时间节省了24％,WS-PSNR降低了0.02 dB,BD-rate仅增加了0.49％.

摘要： 1美国FDA批准柠檬酸依扎芬究(ibrexafun-gerp citrate)薄膜包衣片上市美国FDA批准Scynexis公司产品(商品名:Brexafemme)上市,首个唯一口服非醴类药物治疗外阴阴道念珠菌病(VVC,也称为阴道酵母菌感染)。剂量规格:柠檬酸依扎芬究189.5mg(相当于依扎芬究150mg)/片。

摘要： 为满足高清及超高清视频兴起后,人们的生活社会需求,2020年发布的多功能视频编码(Versatile Video Coding,VVC)在高效率视频编码(High Efficiency Video Coding,HEVC)的基础上进行了改进.VVC实现了在相同图像质量的条件下提升视频压缩率的目标.本文针对HEVC以及VVC中的帧内预测部分进行研究比较,并进行视频帧内编码对比测试.最后,通过测试得到以下结论:VVC较HEVC有22.21％的码率节省,可进一步提升视频压缩性能.

摘要： Fraunhofer HHI正式宣布了下一代视频编解码标准H.266/VVC(Versatile Video Coding),本文利用官方H.266编码模型,编写相关测试程序用于实现8K视频的PSNR及PQA分析,对4K/8K VR的H.266编码进行PSNR损伤及PQA评价,解决现有分析软件均不支持8K分辨率及对应10比特分析问题。

摘要： 本发明公开了一种低复杂度的快速VVC帧内编码方法。本发明中基于上下文相关性的CU划分模块首先根据当前CU块的纹理特征将CU划分为复杂块和简单块；对简单块进行提前终止所有类型的划分，对复杂块继续进行二叉树划分和三叉树划分，以此解决多类型树划分带来的复杂度过高的问题。此外编码器决策出当前CU的最佳模式时。首先对帧内的粗选部分进行优化，在帧内角度预测模式的索引值为2～67的角度模式中每隔4个角度选取一个中心角度，然后基于此再小范围前后各增加2个角度模式搜索；然后利用最有可能模式(MPM)的概率分布特征，对帧内的细选部分进行优化。本发明在保证编码质量的同时降低了VVC编码的复杂度，特别是对于高分辨率的视频有非常好的编码性能。

摘要： 本发明提供一种基于分类的内容自适应VCC帧内编码快速划分方法，包括：将待压缩视频分成若干个不同场景；对于每个不同的场景，所述场景内首帧用于模型的训练，场景内其他帧用训练好的模型进行预测；通过预测，将不能执行的划分方式移出候选模式队列；本发明结合支持向量机与场景切换检测算法，实现了在线训练、预测的分类算法，提供了稳定的加速性能和低码率损失，对训练样本的需求极小。

摘要： 本发明公开了一种基于卷积神经网络的VVC块划分快速预测方法及系统，包括：输入大小为32×32的编码单元和其量化参数QP，预处理后作为卷积神经网络的输入，经过卷积操作后，最终输出对当前CU的划分预测结果，对CU最可能的划分形式：水平、垂直、不划分或是复杂形式做出预测。本发明有效地降低了编码单元的多类型划分的复杂度，减少了所需的编码时间；并在提高编码速度的同时，保证了最终解码端的视频质量。

摘要： 描述了一种VVC图像项目中包括的图片和层、处理图像数据的系统、方法和装置。一种示例方法包括执行视觉媒体文件和比特流之间的转换。根据媒体文件格式，视觉媒体文件包括一个或多个图片的序列，并且根据视频编解码格式，比特流包括一个或多个访问单元。根据视频编解码格式编解码比特流。媒体文件格式规定视觉媒体文件中特定类型值的图像项目包括比特流的单个访问单元。单个访问单元是根据视频编解码格式的帧内随机访问图片(IRAP)访问单元或者根据视频编解码格式的渐进解码刷新(GDR)访问单元。GDR访问单元中的所有图片被标识为比特流中的恢复点。

摘要： 描述了一种操作点信息属性与VVC图像项目的关联、处理图像数据的系统、方法和装置。一种示例方法包括执行视觉媒体文件和比特流之间的转换。根据媒体文件格式，视觉媒体文件包括图像项目，每个图像项目包括一个或多个图片的序列，并且根据视频编解码格式，比特流包括访问单元，每个访问单元包括一个或多个图片，每个图片属于层。媒体文件格式规定包括源自比特流的图片的图像项目被允许与属性描述符的不同实例相关联，该属性描述符指示比特流的高级特性。

摘要： 本公开涉及多功能视频编码VVC视频压缩标准中矩形条带的信令。一种方法包含由编码器对VVC视频压缩系统的视频帧进行编码。所述编码器生成/使用与视频帧相关联的块信息，针对条带，基于所述块信息确定所述条带是块的子集或超集，确定与所述条带相关联的条带参数，并用信号传递与所述条带相关联的所述条带参数。在其它方面，一种方法可包含由视频压缩系统的解码器检索与视频帧相关联的块信息，针对条带，基于所述块信息确定所述条带是块的子集或超集，确定与所述条带相关联的条带参数，及使用所述确定的条带参数对所述视频帧进行解码。

摘要： 本发明公开了一种可适用于VVC编码标准的参考帧生成方法与系统，涉及图像处理技术领域，包括步骤：提取帧缓冲区中以当前时刻为基准的目标区域内的参考帧作为训练集；通过训练集训练PredNet模型并更新模型的参数权重；获取输入当前时刻帧间图像至PredNet模型后所获得的优选参考帧；通过优选参考帧替换帧缓冲区中目标区域内的参考帧；通过运动估计帧缓冲区中目标区域内的参考帧获取当前时刻帧间图像的预测帧；基于当前时刻的预测帧和帧间图像执行视频解码过程中的运动补偿。本发明在利用帧缓冲区中参考帧进行运动补偿的过程中插入PredNet模型，使得帧缓冲区中的参考帧与当前帧的像素精确度更高，在使解码所需码率更低的同时，获得更高质量的解码图像。

摘要： 本发明公开了一种可适用于VVC帧内预测的编码单元划分方法，涉及图像处理技术领域，主要包括步骤：获取当前编码单元亮度样本分别在上下分区的第一离散度和左右分区的第二离散度；根据各帧内角度预测模式所对应的角度，提取预设角度范围内的帧内角度预测模式并分别定义为水平方向和垂直方向；基于离散度信息进行划分方向的初步判断；根据当前编码单元的帧内角度预测模式所述方向对初步判断进行再判断；根据最终判断结果对当前编码单元进行划分，并在无划分结果后输出当前深度下编码单元为最佳划分结果。本发明相较于当前多类型四叉树对于率失真代价函数大量计算需求，减少了计算量，在保证压缩性能的前提下实现了编码效率的提高。

摘要： 本发明提供了一种H.266/VVC帧内多类型树结构决策方法及系统，包括如下步骤：对各多类型树划分模式使用Lookahead搜索，每一次搜索过程都进行一次完备或简化的帧内预测，得到对应划分模式的近似率失真代价；使用邻近CU平均深度的来作为Lookahead搜索所获得的近似率失真代价误差的衡量；对所有的多类型树划分模式按照其近似率失真代价进行递增排序，并且当代价误差小时采用策略A对划分模式进行选择，当代价误差大时采用策略B对划分模式进行选择。本发明提出了一种新颖的H.266/VVC帧内多类型树结构快速决策方法，所采用的Lookahead搜索复杂度较低，准确性较高。

摘要： 本发明公开了一种针对H.266/VVC屏幕内容帧内CU划分的快速预测方法及装置，通过收集屏幕内容视频建立数据库，用于训练模型；构建宽度自适应网络模型，预测两种不同尺寸CU的划分方式，预测步骤如下：先采用网络模型对64×64大小的CU进行划分方式预测，若为不划分，则停止CU的RD代价计算，若为划分，则得到4个32×32大小的CU，则采用网络模型对32×32大小的CU的划分方式进行预测，若为不划分，则停止RD的代价计算，若为四叉树划分，则得到4个16×16的CU：若为多种类型叉树划分，则需要依靠标准编码器进行计算；最后设定适当的预设阈值来提高预测准确率。本发明能够在保持H.266/VVC编码效率的前提下，有效地降低H.266/VVC屏幕内容的帧内预测编码计算复杂度。