典型文献
一种基于卷积神经网络的VVC去压缩伪影半盲方法
文献摘要：
多功能视频编解码(Versatile Video Coding,VVC)是新一代视频编解码标准,拥有较好的压缩性能,能够达到较高的压缩比.但是,编码过程中的变换、 量化等操作,不可避免地在视频解码时引起一定程度的压缩伪影,导致解码视频质量降低,影响用户的视觉体验.目前,基于卷积神经网络(Convolutional Neural Network,CNN)的VVC的压缩伪影去除算法并不多,且大部分算法是在默认量化参数已知的情况下建立去伪影模型,对于不知道量化参数的盲场景,这些算法不太适合.直接设计全盲算法是复杂困难的,且性能有限.针对这一情况,提出了一种半盲方法用于去除VVC解码视频中的压缩伪影,该方法比全盲的方法更加灵活且能够达到更好的性能,比非盲方法更加实用.该方法设计出一种分类网络来预测重建视频的量化参数,预训练一些压缩伪影去除模型,根据预测的量化参数为重建视频选择对应的模型以去除压缩伪影.实验结果证明了该算法的有效性.
文献关键词：
卷积神经网络;视频编解码;去压缩伪影;多功能视频编解码
中图分类号：
作者姓名：
帅鑫;卿粼波;何小海;熊淑华;陈洪刚
作者机构：
四川大学 电子信息学院,四川 成都 610065
文献出处：
引用格式：
[1]帅鑫;卿粼波;何小海;熊淑华;陈洪刚-.一种基于卷积神经网络的VVC去压缩伪影半盲方法)[J].无线电工程,2022(10):1702-1709
A类：
去压缩伪影,多功能视频编解码
B类：
VVC,Versatile,Video,Coding,压缩性能,压缩比,视频解码,视觉体验,Convolutional,Neural,Network,并不多,默认,量化参数,方法设计,分类网络,预训练,去除模型,据预测
AB值：
0.237615
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
