项目名称: 三维视频的率失真优化编码技术研究

项目编号: No.61201211

项目类型: 青年科学基金项目

立项/批准年度: 2013

项目学科: 电子学与信息系统

项目作者: 元辉

作者单位: 山东大学

项目金额: 25万元

中文摘要: 三维视频(3DV)可以使用户享受到立体视觉感知,是近几年的研究热点。为了与已有视频编码标准兼容,3DV主要采用多视点视频-深度图表示。用户在3DV的终端可以采用基于深度-图像的虚拟视图生成技术得到其需要的虚拟视点的视频内容。3DV的数据量巨大,因此如何对3DV进行高效的压缩编码就成为3DV中的关键的技术之一。为提高3DV的编码性能,本项目拟在前期研究的基础上对三维视频编码的率失真优化技术进行深入研究。主要包括三个方面的工作:研究精确的虚拟视图失真模型,重点确定虚拟视图失真与深度图编码失真以及多视点视频编码失真之间的确切关系;研究确定适用于深度图的拉格朗日因子计算方法;设计虚拟视图失真与多视点视频失真差异可调节的多视点视频-深度图联合码率分配技术。本项目将为3DV的率失真优化技术提供理论依据与新的实现方法,并对3DV编码标准的制定起到一定的促进作用。

中文关键词: 三维视频;率失真优化;虚拟视图;码率分配;视频编码

英文摘要: As three dimensional video (3DV) could provide real 3D sensations for users, it has attracted increasing attention in recent years. In order to be compatible with the current legacy devices and existing delivery facilities, multiview video plus depth representation has been extensively utilized to represent 3DV. Virtual views can be synthesized from the acquired muitiview videos and their corresponding depth maps, which is known as depth image-based rendering(DIBR) technology. Since the data volumes of 3DV are huge, efficient compression is a critical technology for the application of 3DV. Based on our previous work, virtual view oriented rate distortion optimization technologies will be researched so as to improve the coding efficiency of 3DV in this project. The research work contain three parts, i.e. accurate distrotion model of synthesized virtual views (especially the affection of depth coding error on synthesized virtual views), virtual view oriented Lagrange multiplier for depth maps, and joint bit allocation alogrithm between multiview videos and depth maps which can regulate the distortion difference between syntheiszed virtual views and multiview videos dynamically. This project will provide theoretical basis and novel implementation methods for rate distoriton optimization of 3DV; moreover, it will pr

英文关键词: 3DV;rate distortion optimization;virtual view;rate allocation;video coding

成为VIP会员查看完整内容
0

相关内容

Transformer如何用于视频?最新「视频Transformer」2022综述
专知会员服务
75+阅读 · 2022年1月20日
机器学习中原型学习研究进展
专知会员服务
46+阅读 · 2022年1月18日
专知会员服务
7+阅读 · 2021年10月4日
专知会员服务
8+阅读 · 2021年6月19日
专知会员服务
35+阅读 · 2021年2月20日
【普林斯顿】持续视角下的机器学习,31页ppt及视频
专知会员服务
23+阅读 · 2020年8月19日
【视频】几何数据嵌入表示学习,74页ppt
专知会员服务
33+阅读 · 2020年7月24日
使用深度学习,通过一个片段修饰进行分子优化
【速览】ICCV 2021 | 从2D到3D的虚拟试穿模型
中国图象图形学学会CSIG
0+阅读 · 2021年10月22日
【泡泡点云时空】基于分割方法的物体六维姿态估计
泡泡机器人SLAM
18+阅读 · 2019年9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
深度学习之图像超分辨重建技术
机器学习研究会
12+阅读 · 2018年3月24日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2014年12月31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 · 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
Arxiv
2+阅读 · 2022年4月19日
Learning to execute or ask clarification questions
Arxiv
0+阅读 · 2022年4月18日
Arxiv
0+阅读 · 2022年4月17日
Arxiv
0+阅读 · 2022年4月14日
Arxiv
0+阅读 · 2022年4月7日
Arxiv
31+阅读 · 2020年9月21日
小贴士
相关VIP内容
Transformer如何用于视频?最新「视频Transformer」2022综述
专知会员服务
75+阅读 · 2022年1月20日
机器学习中原型学习研究进展
专知会员服务
46+阅读 · 2022年1月18日
专知会员服务
7+阅读 · 2021年10月4日
专知会员服务
8+阅读 · 2021年6月19日
专知会员服务
35+阅读 · 2021年2月20日
【普林斯顿】持续视角下的机器学习,31页ppt及视频
专知会员服务
23+阅读 · 2020年8月19日
【视频】几何数据嵌入表示学习,74页ppt
专知会员服务
33+阅读 · 2020年7月24日
相关资讯
使用深度学习,通过一个片段修饰进行分子优化
【速览】ICCV 2021 | 从2D到3D的虚拟试穿模型
中国图象图形学学会CSIG
0+阅读 · 2021年10月22日
【泡泡点云时空】基于分割方法的物体六维姿态估计
泡泡机器人SLAM
18+阅读 · 2019年9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
深度学习之图像超分辨重建技术
机器学习研究会
12+阅读 · 2018年3月24日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2014年12月31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 · 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
微信扫码咨询专知VIP会员