VCIP2020:VVC利用CNN进行质量提升

Posted Dillon2015

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了VCIP2020:VVC利用CNN进行质量提升相关的知识,希望对你有一定的参考价值。

本文来自VCIP2020论文《Prediction-Aware Quality Enhancement of VVC Using CNN》

VVC虽然能比HEVC显著节省码率,但是在低码率情况下还是会有明显失真。本文算法利用CNN对VVC解码视频进行处理来进行质量增强(quality enhancement,QE),其实属于后处理过程。

整个算法的工作流程如Fig.1所示,QE是一个CNN网络,其输入为解码后的视频帧、帧内预测信息和量化参数QP。其中每帧的三个通道分别单独处理。

CNN网络结构

QE网络作用于采用帧内编码模式的帧的解码后的图像即重建帧,为了更好的捕获压缩失真,网络的输入还包括该帧的预测信号。网络结构如下,

第一个卷积层接收重建帧和预测帧作为输入,然后跟着32个相同的residual blocks,每个包含两个卷积层和一个Relu层,其中卷积层的feature map和kernel的size和第一个卷积层相同。

实验结果

使用DIV2K和Fliker2K数据集训练模型,所有图像都使用VTM5.0在AI配置下编码,使用22到47间的6个QP,并在解码过程中提取预测信息。

为了验证模型效果,使用官方测试序列在AI配置下实验,并使用了两组QP:1)22,27,32,37 。2)32,37,42,47。第二组QP反映低码率情况下的结果。实验结果如下:

感兴趣的请关注微信公众号Video Coding

以上是关于VCIP2020:VVC利用CNN进行质量提升的主要内容,如果未能解决你的问题,请参考以下文章

VCIP2021:利用解码信息进行超分辨率

VCIP2021:利用解码信息进行超分辨率

ICME2021:实时VVC软件解码器

论文学习 | 利用块分割信息增强压缩视频质量:Enhancing HEVC Compressed Videos with a Partition-Masked Convolutional Neural

ICIP2021:基于CNN的环路滤波

VCIP2021:基于神经网络的双向预测blending过程