.png){kind=icon}
返回
Relevancy-Guided Adaptive Decoupling for Multi-Module Joint Optimization in Perceptual Video Coding
.png){kind=icon}
PRE
AI
DOI：10.1109/tbc.2026.3705501.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在专业广播和Over-the-Top（OTT）流媒体中，混合架构中感知模块间的非线性耦合从根本上限制了终端用户的Quality of Experience（QoE）。当前基于经验法则的调优和暴力搜索方法无法正确建模跨模块依赖关系，导致编码器常陷入次优局部最小值。为此，我们提出了一种系统性的相关性引导解耦框架，用于解决感知视频编码中的这一问题。我们引入了一种基于全因子设计的定量模块间相关性度量，该度量明确建模了异构编码模块间的交互强度。在此度量引导下，我们的基于影响因子的升序优化（IBAO）策略将NP难联合优化问题转化为确定性的顺序调优路径，以缓解累积误差。此外，我们还设计了一个严格有界的在线自适应参数模型，以应对视频非平稳性。该模型在实时跟踪局部最优操作点时具有极小的运行时开销。在工业级HEVC/x265平台上的实验验证表明，相比标准x265 Slow预设，我们的方法平均获得1.94 BD-VMAF增益，且像素级客观保真度保持无损。这些结果证实，我们的方法有效解决了模块间耦合冲突，最终为实际多媒体分发提供了稳定且帕累托最优的率失真解决方案。
Keyword:
Video coding
human visual system
rate distortion optimization
perceptual coding
