QCon北京「鸿蒙专场」火热来袭!即刻报名,与创新同行~ 了解详情
写点什么

突破视频编码模式级压缩瓶颈:一种基于长短期相关性建模的帧内模式编码方法

李俊儒,张莉

  • 2023-03-04
    北京
  • 本文字数:2215 字

    阅读完需:约 7 分钟

突破视频编码模式级压缩瓶颈:一种基于长短期相关性建模的帧内模式编码方法

视频压缩的核心在于去除视频信号中的冗余信息,而其中对于空域冗余的去除通常使用帧内预测的方式来实现。比如,大多数的自然场景的图像内容变化平缓,相邻像素间表现出较强的相似性,因此可以利用周边已编码的信息通过特定的映射和插值实现对当前编码单元的帧内预测。这种帧内预测方式已经在标准领域得到广泛的应用。


在 H.264/AVC  标准 [1] 中,帧内预测利用左侧或上侧邻近已重构像素组成参考像素组,根据特定的映射来预测当前编码单元。对于编码单元尺寸为 4×4 的编码单元,有 9 种预测模式可供选择,其中包括 8 种角度模式和 DC 模式;编码单元尺寸为 16×16 的编码单元,则仅支持 4 种预测模式。 H.265/HEVC 标准 [2] 中扩展了帧内预测的方向,支持多达 33 种角度预测模式,以及直流( DC )预测模式和平面( Planar )预测模式。


为了更精细地预测视频中可能出现的任意方向的结构或纹理,新一代视频编码标准 H.266/VVC AVS3 ,分别将帧内预测模式的数量扩充到 67 和 66 种。此外, VVC 采纳了多行预测( Multi Reference Line , MRL ),扩充帧内预测的参考像素区域。 MRL 支持使用更远处的重构像素预测当前编码单元,进一步利用像素间的相关性去除空域冗余。帧内预测的发展进程如下图所示。


图 1. 帧内预测演进示意图


如上所述,在视频编码标准发展中,为了适应多样的纹理内容,帧内预测技术基于多假设的理论支持了更多高效的帧内预测模式。最优的预测模式需要通过率失真优化( Rate Dirstion Optimization , RDO )代价决策,其二值化索引则传递到解码端用于视频的解码重建。虽然细粒度的帧内预测设计可以为帧内编码带来性能增益,但帧内模式的传递代价却随之增大。在相同码率下,更丰富的预测模式使得预测模式的表达位占用的带宽也越来越高。因此,帧内预测模式的编码方式至关重要。若以等长编码为例,每个编码块使用 4 比特则足以表达对于 H.264/AVC 中的 9 种编码模式。当编码模式扩展到 67 个时,则需要使用 7 比特来编码帧内预测模式的索引。实际中,帧内模式的编码会通过构建最可能模式列表( Most Probable Mode , MPM )的方式,为出现概率较高的模式分配较短的码字,提高帧内模式编码的效率。在 AVC 标准中,针对 9 个预测模式设计了 1 个 MPM 的编码方式。


HEVC 标准采用 MPM 列表可包含 3 个最可能的帧内模式,以便更高效地表示 35 种预测模式。 VVC 标准则进一步扩展了帧内预测模式的编码方式, MPM 列表中包含 6 个候选项。最可能模式列表通常基于邻近编码单元(如左上方、左侧、左下方、上方、右上方)的帧内预测模式来构建,并使用一个标志位来区分当前预测模式是否为最可能预测模式。然而,仅利用空域邻近编码单元的预测模式信息来消除模式间的冗余,一定程度上限制了最可能模式预测的准确性。


根据信息论——为概率较大的符号分配较短的码字,对概率较小的符号分配较长的码字——能降低整体信源符号编码的平均码长。为进一步提升帧内模式编码的性能,我们针对新一代视频编码标准 VVC 和 AVS3 提出一种基于长期与短期相关性建模的帧内模式编码方法 [3] 。所提出的方案可以充分利用长期帧内模式的统计特性并结合短期帧内预测模式,高效构建最可能模式列表,打破传统帧内模式编码时仅考虑空域邻近帧内模式的局限性。帧内预测的长期模式级相关性体现在非邻近的相似纹理结构倾向于选用相同的帧内模式进行编码,如图 2 所示。


图 2. 局部区域内的帧内预测模式。浅蓝色为模式 66,粉色为模式 34,红色为 Planar 模式


具体来说,在编码和解码的过程中动态维护长期模式列表 以及 短期模式列表


长期模式列表 的构建是基于已编码帧内模式编码的统计,长期模式列表的具体构建与更新过程如图 3 所示。首先,根据当前帧内预测模式 Mi 对模式的频率 FnMi 进行更新,模式 Mi 更新后的频率为 Fn+1Mi 。其次,根据更新后的频率表中的频率值对频率表重新排序,频率高的排在靠前的位置。最后,按照频率高低导出更新后的模式表,模式表中最前面的模式对应的频率是最高的,出现频率最高的帧内模式将优先选入长期模式列表中。


图 3. 长期模式列表构建与更新示意图


短期模式 列表则基于纹理方向的空域延续性,主要由空域邻近编码单元的帧内模式构成。最终 MPM 列表的构建将通过预先训练的条件随机场模型来决策长期模式以及短期模式的组合方式, MPM 的构建过程如图 4 所示。


图 4. MPM 列表构建示意图


所提出的帧内模式编码可为 VVC 带来 1.4% 的性能增益且编解码复杂度几乎不变。部分屏幕内容测试序列在全 I 帧配置下可实现超过 6% 的 BD-Rate 节省。所提出的方法也可为 AVS3 软件平台带来明显的压缩性能提升,已被 AVS3 标准采纳。


参考文献


[1] T. Wiegand, G. J. Sullivan, G. Bjontegaard, and A. Luthra, “Overview of the H.264/AVC video coding standard,” IEEE Transactions on Circuits and Systems for Video Technology, vol. 13, pp. 560–576, July 2003.

[2] G. J. Sullivan, J. Ohm, W. Han, and T. Wiegand, “Overview of the high efficiency video coding (HEVC) standard,” IEEE Transactions on Circuits and Systems for Video Technology, vol. 22, pp. 1649–1668, Dec 2012.

[3] J. Li, M. Wang, L. Zhang, K. Zhang, H. Liu, S. Wang, S. Ma and W. Gao, “Unified intra mode coding based on short and long range correlations,” IEEE Transactions on Image Processing, vol. 29, pp. 7245-7260, June 2020.

2023-03-04 18:547114
用户头像
鲁冬雪 GMI Cloud China Marketing Manager

发布了 364 篇内容, 共 283.3 次阅读, 收获喜欢 299 次。

关注

评论

发布
暂无评论
发现更多内容

AI算力要变天了?一文搞懂ASIC和GPU

Finovy Cloud

gpu 算力 AI算力 ASIC

Sora 文生视频技术大揭秘:能力惊艳但局限几何?

测试人

软件测试

「地平线」副总裁余轶南与「理想汽车」智驾产品总监赵哲伦联手创业,入局具身智能赛道!

机器人头条

自动驾驶 人形机器人 具身智能 地平线

全国范围AOI数据2024年12月更新,共计超过305万个,最完整的地理要素数据库(AOI数据更新系列)

Geek_f9782a

AOI 全国AOI数据

百度联合研究会打造“文心快码”无障碍版本,助力视障开发者就业无“碍”

信息无障碍研究会

产品 程序员、 开发. AI编程 无障碍适配

观测云产品更新 | 自动编写 Pipeline、AI 告警聚合、生成指标优化等

观测云

产品迭代

人工智能与区块链的碰撞:双剑合璧的创新前景

天津汇柏科技有限公司

区块链 AI 人工智能

RAG+Prompt,AI编程从需求到代码

腾讯云代码助手

这个冬天,我们一起升级吧

最新动态

平凯星辰亮相开放原子开发者大会,TiDB 荣获年度活跃开源项目奖项

PingCAP

开源 分布式 TiDB 数据库、

Cellebrite Inseyets PA 10.4 - 取证数据分析软件

sysin

Inseyets PA

不懂代码的人也可以5分钟完成一个简单的支付页面(含使用教程)

腾讯云代码助手

你不知道的 7 项 CSS 新功能

伤感汤姆布利柏

鸿蒙Flutter实战:14-现有Flutter 项目支持鸿蒙 II

少湖说

flutter 鸿蒙系统 harmoyos

主打一个“小巧灵动”:Vite + Svelte

vivo互联网技术

性能 vite Svelte 研发效率 轻量

【体验官招募】SoFlu - JavaAI 开发助手:开启智能开发新时代

飞算JavaAI开发助手

程序员 有奖活动 Java. AI编程

如何提升大模型的“深度思维能力”

阿里技术

大模型 大语言模型 思维能力 智能引擎

升级鸿蒙NEXT,流畅、安全、便捷,一步到位

最新动态

代码人生-精选文章周刊

安全乐谷

互联网 职场 心理学 找工作 招聘

突破视频编码模式级压缩瓶颈:一种基于长短期相关性建模的帧内模式编码方法_语言 & 开发_InfoQ精选文章