项目名称: 基于全局视觉冗余分析的高效视频编码研究

项目编号: No.61471273

项目类型: 面上项目

立项/批准年度: 2015

项目学科: 无线电电子学、电信技术

项目作者: 陈震中

作者单位: 武汉大学

项目金额: 80万元

中文摘要: 随着最新一代的视频编解码国际标准HEVC/H.265的制定,如何通过探索新的编码技术进一步提高视频压缩的效率受到了极大的关注。我们的前期工作发现,在研究人的视觉注意空间分布不均匀的特性上,能够在视频编码上通过空间非均匀码率分配在同等视觉质量的情况下较大程度的减少编码码率以提高编码效率。本项目将对此问题进行系统的研究,内容包括:(1) 基于视网膜中央凹视觉导致的视觉敏感度的空间分布不均匀的特性建立中央凹视觉的最小可觉察差异理论模型以量化全局视觉冗余;(2)基于低层次和高层次信息混合的视觉注意模型与中央凹视觉的最小可觉察差异理论模型的有机结合建立视觉感知模型;(3)基于视觉感知模型的HEVC/H.265编码算法的研究。本项目的研究将为高效视频编码理论做出重要的补充,同时为HEVC/H.265视频压缩的视觉优化提供更深入的认识。

中文关键词: 视频编码;视频压缩编码;率失真;感知视频编码

英文摘要: With the establishment of the new video coding standard, High Efficiency Video Coding (HEVC/H.265), how to exploit new technologies to further improve the video coding efficiency becomes challenging. In our earlier work, we found that based on the space-variant characteristics of the human visual attention, the video coding efficiency can be significantly improved by biased bit allocation. This project will conduct in-depth research based on this observation, including: (1) the theoreotical just-noticeable difference (JND) model based on foveal vision and space-variant visual sensitivity; (2) the visual attention model based on low-level and high-level features and its application in the JND model; (3) the perceptual HEVC/H.265 video coding based on the foveal vision based JND analysis. The results of this research project are expected to make important contributions to the high efficiency video coding, and advance our understanding in perceptual optimization for HEVC/H.265.

英文关键词: Video Coding;Video Compression;Rate Distortion;Perceptual Video Coding

成为VIP会员查看完整内容
0

相关内容

【CVPR2022】高分辨率和多样化的视频-文本预训练模型
专知会员服务
9+阅读 · 2022年3月6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
14+阅读 · 2021年3月26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
CVPR 2020 | 细粒度文本视频跨模态检索
AI科技评论
17+阅读 · 2020年3月24日
计算机视觉方向简介 | 多视角立体视觉MVS
计算机视觉life
14+阅读 · 2019年10月10日
一文读懂图像压缩算法
七月在线实验室
16+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
41+阅读 · 2018年4月26日
国家自然科学基金
1+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
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 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年4月20日
Arxiv
2+阅读 · 2022年4月19日
Arxiv
0+阅读 · 2022年4月18日
Transformers in Medical Image Analysis: A Review
Arxiv
39+阅读 · 2022年2月24日
Arxiv
19+阅读 · 2021年4月8日
Arxiv
12+阅读 · 2020年6月20日
Arxiv
11+阅读 · 2018年5月13日
小贴士
相关VIP内容
【CVPR2022】高分辨率和多样化的视频-文本预训练模型
专知会员服务
9+阅读 · 2022年3月6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
14+阅读 · 2021年3月26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
相关基金
国家自然科学基金
1+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
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 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009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
0+阅读 · 2022年4月20日
Arxiv
2+阅读 · 2022年4月19日
Arxiv
0+阅读 · 2022年4月18日
Transformers in Medical Image Analysis: A Review
Arxiv
39+阅读 · 2022年2月24日
Arxiv
19+阅读 · 2021年4月8日
Arxiv
12+阅读 · 2020年6月20日
Arxiv
11+阅读 · 2018年5月13日
微信扫码咨询专知VIP会员