虛擬講堂進入演講
講 題基於梯度之3D-HEVC深度圖畫面內預測模式決策快速演算法
講 者國立高雄第一科技大學電腦與通訊工程系-魏清煌
日 期2017/10/27長 度00:17:30人 氣169 次
摘 要
由高效能視訊編碼(HEVC) 擴展的三維高效
能視訊編碼(3D-HEVC) 採用多視角視訊加深度格
式,因此編碼器需要同時編碼多個紋理視訊和它
們各自相對應的深度圖。在3D-HEVC 深度圖畫面
內預測編碼中,為了有效的編碼深度圖所額外加
入一些新的工具,譬如深度模型模式,但也大量
增加了深度圖畫面內預測編碼的複雜度。現在已
經有許多相關研究為了降低深度圖畫面內預測中
深度模型模式的複雜度,例如Sanchez 等所提出的
方法[1]。但是深度圖畫面內預測的編碼時間還是
過於冗長,原因是3D-HEVC 在深度圖畫面內預測
僅額外加入一些新的工具之外,其餘的演算法都
和HEVC 流程相同,如粗略模式決策和最有可能
的模式等都與紋理畫面內預測是相同的。這些演
算法原本都是開發應用於紋理影像編碼的,3DHEVC
並沒有經過任何修改。因此,本論文著重於
減少進入粗略模式決策流程之前的畫面內預測模
式,我們所提出的方法改善了Sanchez 等所提出的
方法,預測當前編碼區塊的畫面內預測角度模式,
利用這個角度將不必要的畫面內預測角度模式剔
除,減少了粗略模式決策的候選模式;將我們所
提出的方法和Sanchez 等所提出的方法相結合的混
合型方法,進一步的節省更多的編碼時間,實驗
結果相較於3D-HEVC 的測試軟體HTM16.2,我們
所提出的方法平均能節省約11.747%的編碼時間,
且可以保持相近的位元率與重建視訊品質;而我
們提出的混合型方法平均能節省約22.563%的編碼
時間,仍能保持相近的位元率與重建視訊品質。
提 供TANET台灣網際網路研討會-TANET2017
進入演講