项目名称: 基于HEVC的三维视频深度编码关键技术研究

项目编号: No.61302118

项目类型: 青年科学基金项目

立项/批准年度: 2014

项目学科: 无线电电子学、电信技术

项目作者: 张秋闻

作者单位: 郑州轻工业学院

项目金额: 25万元

中文摘要: 随着3D显示和交互多媒体系统的迅速发展,三维视频将成为下一代视频应用的主要方向,其中基于深度格式的三维视频编码是尚未解决的关键问题。目前新一代视频压缩标准HEVC编码效率显著高于多视点视频MVC,但未对深度图做优化,即深度和纹理视频之间的差异性使得直接采用HEVC对深度进行编码会在绘制新视点中引入失真。本项目通过研究三维系统中深度压缩带来的量化失真对重建虚拟视点质量产生的影响,采用新的视间、帧内预测和运动矢量模式方法,对基于HEVC的三维视频深度编码进行预测结构优化;探索一种以绘制视点失真最小化的方法来压缩深度图,建立由HEVC深度编码引起深度变化而造成的绘制视失真的估计模型;设计基于深度特性的上下采样方法和HEVC深度重建滤波器,有望从总体上提高HEVC深度编码效率和减少视点绘制的赝像。本项目研究为实现高效三维视频深度编码提供新的方法和技术手段,对促进三维视频的国际标准化发展有积极作用。

中文关键词: 三维视频;深度编码;HEVC;预测结构;视点绘制

英文摘要: With the development of 3D display and interactive multimedia systems, new next-generation video applications, such as depth-based 3D video coding, is a key unresolved issues. The next-generation video compression standard HEVC coding efficiency significantly higher than the multi-view video MVC but not optimized for depth maps coding.Compared to conventional 2D video images, depth maps have very different characteristics. Use of existing HEVC codecs to compress depth maps will introduce distortions into the novel virtual views. A prediction structure optimization based on new modes for intra prediction,inter-component prediction and inheriting the motion parameters for depth coding is proposed to reduce distortion of virtual view synthesis in 3D video system. Since the depth maps need to be compressed in a way that minimizes distortions in the rendered views, we propose a distortion model that approximates rendering distortions caused by depth changes in HEVC depth coding. According to the statistics of depth data, a depth down/up sampling techniques and depth reconstruction filter based on HEVC is proposed, and we hope to improve the HEVC depth coding efficiency and achieve better rendering quality.This project offer new research methods and techniques to achieve efficient 3D video depth coding, and make a con

英文关键词: 3D video;Depth coding;High efficiency video coding;Prediction structure;View point rendering

成为VIP会员查看完整内容
0

相关内容

《5G 毫米波赋能 8K 视频制作》未来移动通信论坛
专知会员服务
11+阅读 · 2022年4月15日
视频隐私保护技术综述
专知会员服务
34+阅读 · 2022年1月19日
【NeurIPS2021】NeRV:视频的神经表示
专知会员服务
11+阅读 · 2021年10月28日
专知会员服务
7+阅读 · 2021年10月4日
专知会员服务
12+阅读 · 2021年9月13日
专知会员服务
66+阅读 · 2021年5月21日
专知会员服务
14+阅读 · 2021年3月26日
【分享】TCSVT 2021丨基于3D人脸动态的图像-视频生成方法
中国图象图形学学会CSIG
0+阅读 · 2021年8月20日
深度学习之视频图像压缩
论智
13+阅读 · 2018年6月15日
一文读懂图像压缩算法
七月在线实验室
15+阅读 · 2018年5月2日
如何设计基于深度学习的图像压缩算法
论智
40+阅读 · 2018年4月26日
干货|全景视频拼接的关键技术分析
全球人工智能
13+阅读 · 2017年7月15日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
1+阅读 · 2022年5月3日
Arxiv
17+阅读 · 2021年3月29日
Arxiv
27+阅读 · 2020年12月24日
Arxiv
20+阅读 · 2019年9月7日
Transfer Adaptation Learning: A Decade Survey
Arxiv
37+阅读 · 2019年3月12日
小贴士
相关VIP内容
《5G 毫米波赋能 8K 视频制作》未来移动通信论坛
专知会员服务
11+阅读 · 2022年4月15日
视频隐私保护技术综述
专知会员服务
34+阅读 · 2022年1月19日
【NeurIPS2021】NeRV:视频的神经表示
专知会员服务
11+阅读 · 2021年10月28日
专知会员服务
7+阅读 · 2021年10月4日
专知会员服务
12+阅读 · 2021年9月13日
专知会员服务
66+阅读 · 2021年5月21日
专知会员服务
14+阅读 · 2021年3月26日
相关资讯
【分享】TCSVT 2021丨基于3D人脸动态的图像-视频生成方法
中国图象图形学学会CSIG
0+阅读 · 2021年8月20日
深度学习之视频图像压缩
论智
13+阅读 · 2018年6月15日
一文读懂图像压缩算法
七月在线实验室
15+阅读 · 2018年5月2日
如何设计基于深度学习的图像压缩算法
论智
40+阅读 · 2018年4月26日
干货|全景视频拼接的关键技术分析
全球人工智能
13+阅读 · 2017年7月15日
相关基金
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
相关论文
Arxiv
1+阅读 · 2022年5月3日
Arxiv
17+阅读 · 2021年3月29日
Arxiv
27+阅读 · 2020年12月24日
Arxiv
20+阅读 · 2019年9月7日
Transfer Adaptation Learning: A Decade Survey
Arxiv
37+阅读 · 2019年3月12日
微信扫码咨询专知VIP会员