返回
A VVC Intra-Coding Acceleration Method Combining CNN Prediction and Adaptive Pruning
DOI:10.3390/electronics15081746.png)
摘要
En 中文
最新H266/VVC标准因其卓越的压缩效率而备受赞誉。然而,其极高的计算复杂度已成为VVC适配产业生态系统的障碍,同时也增加了硬件设计难度和应用成本。为解决此问题,我们设计了一种基于神经网络的帧内编码方案,该方案包括三部分:首先,我们设计了基于神经网络的逆向预测算法,该算法独有地利用CNN对低层块的预测结果来确定高层块的QTMT分割,巧妙解决了现有模型对复杂VVC分割模式的适应性难题——这一决策逻辑尚未被充分探索。其次,我们设计了剪枝算法,首次将BT分割的实时RDO成本与TT分割方向动态耦合,实现自适应决策。最后,我们设计了复杂度预筛选模块。基于分析CU纹理是否平滑,该模块为VVC中引入的非正方形CU设计了四组自适应阈值,这些阈值可根据CU尺寸动态调整局部和全局阈值,实现尺寸敏感的纹理评估以判定当前块是否需要进一步分割。实验结果表明,与传统的VTM4.0相比,我们的方法将平均编码时间降低了49.21%,而BD-BR增加1.61%,BD-PSNR下降0.06 dB,充分展示了其优越性和性能平衡。
Keyword:
intra-frame encoding
low complexity
reverse prediction algorithm
pruning algorithm
期刊
IF:
2.6
论文数:
1.0W
被引数:
4.7W
机构
引用论文
SVM-Based Fast CU Partition Decision Algorithm for VVC Intra Coding基于SVM的VVC帧内编码快速CU划分决策算法
Electronics
IF0
Shi, X.; Wei, G.; Li, L.; Luo, G.; Zhou, Y.; Zhu, S. DCMFF-Net: A Low-Complexity Intra-Frame Encoding Method with Double Convolution and Multi-Scale Feature Fusion. Electronics 2025, 14, 4863. [Google Scholar] [CrossRef]石, X.; 魏G.; 李L.; 罗G.; 周Y.; 朱S. DCMFF-Net:一种具有双重卷积和多尺度特征融合的低复杂度帧内编码方法。电子学 2025, 14, 4863. [谷歌学术] [ CrossRef ]
Context-Based Ternary Tree Decision Method in Versatile Video Coding for Fast Intra Coding
IEEE ACCESS
IF3.6
DeepQTMT: A Deep Learning Approach for Fast QTMT-Based CU Partition of Intra-Mode VVCDeepQTMT: 一种基于QTMT的帧内模式VVC CU快速划分的深度学习方法

