快速 VVC 畫面間預測編碼之研究;Research on Fast VVC Inter Prediction Coding

NCU Institutional Repository > 資訊電機學院 > 通訊工程研究所 > 博碩士論文 > Item 987654321/93035

jsp.display-item.identifier=請使用永久網址來引用或連結此文件: http://ir.lib.ncu.edu.tw/handle/987654321/93035

题名:	快速 VVC 畫面間預測編碼之研究;Research on Fast VVC Inter Prediction Coding
作者:	王義品;Wang, Yi-Pin
贡献者:	通訊工程學系
关键词:	多功能影像編碼;支持向量機;卷積神經網路;畫面間預測;編碼單元;快速深度決策;機器學習;Versatile Video Coding;Support Vector Machine;Convolutional Neural Network;Inter Prediction;Coding Unit;Fast depth decision;Deep learning;Machine learning
日期:	2024-01-22
上传时间:	2024-09-19 16:39:07 (UTC+8)
出版者:	國立中央大學
摘要:	在這網路越來越普及且進步的時代下，隨著科技越來越發達，使得人們對於品質有更高的要求及需求，在高解析度的影像方面亦是如此，所以為了能夠有效的壓縮大量的資料下，H.266/ VVC 採用了許多更有效的技術，如方形矩形編碼樹單元、碼率失真最佳化等等，但相隨而來的就是編碼計算複雜度的提升，而本論文為結合近年來非常熱門的機器學習及深度學習，且應用於 VVC 畫面間預測中，一開始會先使用機器學習中的支持向量機 SVM 進行 CU 的劃分，劃分為後再使用深度學習 CNN 再更進一步的劃分，最後再結合 CU-PU Decision 演算法把經過 SVM-CNN 區分後的 Group，再一次地劃分。使得簡單的區塊不再需要去從頭計算 RDO，經過以上種種且正確的分區。實驗結果與 VVC 相比，整體平均 BDBR 下降 2.03 百分比的情況下，整體編解碼時間節省可以達到 49.59 百分比。 ;Since the development of technalogy , network becomes more ubiquitous and advanced rapidly . Meanwhile , people are growing their demands and expectations for higher quality, and this trend extends to images with high resolution. To deal with the effective compression of massive data , VVC adopts various techniques , such as QTMT and Rate Distortion Optimal . However , these precision processes also result in high complexity in coding calculations . Then , our work aims at combin ing popular machine learning and deep learning , applying them to VVC inter prediction . At the beginning , we use machine learning method Sup port Vector Method on Coding Units(CUs) partition , and then employ the deep learning method Convolutional Neural Network for further refine ment . Finally, integrating the CU-PU Decision algorithm and using it to determine the final partition for the groups defined by SVM-CNN allows simple blocks to skip the time-consuming Rate-Distortion Optimization (RDO). After the correct partitioning mentioned above, the experimental results show an average BDBR gain of -2.03%, with a total time-saving of 49.59% compared to VVC.
显示于类别:	[通訊工程研究所] 博碩士論文

文件中的档案:

档案	描述	大小	格式	浏览次数
index.html		0Kb	HTML	14	检视/开启

在NCUIR中所有的数据项都受到原著作权保护.

社群 sharing

数据加载中.....