典型文献
HEVC对偶编码单元划分优化算法
文献摘要：
为了解决视频数据量日益增长与用户享受高质量视频体验需求之间的矛盾,HEVC在H.264/AVC标准的基础上通过引入新型的编码结构和算法进一步将编码效率提升了50％,但是也极大地提升了编码复杂度.基于此,提出对偶编码单元(CU)划分网络DualNet,来降低HEVC中帧内编码复杂度.该网络由预测网络和目标网络2个部分组成,其中,预测网络通过分析图像统计特征实现编码单元划分决策,从而跳过四叉树的遍历搜索,提高编码单元划分决策的时间效率;目标网络基于率失真代价评价和优化决策模型提升编码单元划分性能,实现模型互补和最优率失真估计.实验结果表明:与HEVC标准对比,所提算法在实现相近的压缩效果的前提下能够节省64.06％的编码时间.
文献关键词：
视频编码;H.265/HEVC;编码单元(CU)划分;深度学习;对偶神经网络
中图分类号：
作者姓名：
刘美琴;徐晨铭;姚超;林春雨;赵耀
作者机构：
北京交通大学 信息科学研究所, 北京 100044;现代信息科学与网络技术北京市重点实验室, 北京 100044;北京科技大学 计算机与通信工程学院,北京100083
文献出处：
引用格式：
[1]刘美琴;徐晨铭;姚超;林春雨;赵耀-.HEVC对偶编码单元划分优化算法)[J].北京航空航天大学学报,2022(08):1383-1389
A类：
DualNet,对偶神经网络
B类：
HEVC,编码单元,单元划分,视频数据,数据量,体验需求,AVC,编码结构,和算,编码效率,CU,分网,来降,帧内编码,预测网络,目标网,析图,统计特征,征实,四叉树,遍历搜索,时间效率,失真,优化决策模型,标准对比,视频编码
AB值：
0.373772
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。
