项目名称: 编解码复杂度均衡分配的视频编码理论及应用研究

项目编号: No.61201392

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: 蔡述庭

作者单位: 广东工业大学

项目金额: 22万元

中文摘要: 目前分布式视频编码(DVC)得到的率失真性能与预测视频编码(PVC)相比还有着较大差距。为了弥补这种差距,必须在编码端采用运动估计,而这与DVC轻量级编码器的出发点相违背。这一困境是因目前视频编解码复杂度的分配过于对立而导致的。为了给能量受限移动终端视频应用提供更多的灵活性,提出一种融合了PVC和DVC技术的均衡式视频编码(BVC),通过在编码和解码端分享运动估计计算复杂度,来实现复杂度的动态分配。重点研究PVC,DVC及均衡式视频编解码复杂度建模及编解码复杂度优化机制问题,对编码系统的运动估计中像素的读和写操作引起的数据传输进行建模,建立编解码复杂度及其优化分配的模型,在此基础上设计均衡式视频编码系统及相应置信传播译码算法,并将均衡式视频编码系统通过移动终端在实际无线通信环境实现,对进一步推广移动终端中的视频通话等能量受限应用具有重要实际意义。

中文关键词: 分布式视频编码;复杂度分配;均衡式视频编码;;

英文摘要: The Rate-Distortion performance between Predictive Video Coding(PVC) and Distributed Video Coding(DVC) is still an enormous gap.In order to narrow this gap,the motion eastimation must be added in encoder,this is not consistent with the lighter encoder of distributed video coding.This dilemma is caused by the current complexity distribution scheme,the complexity difference between encoder and decoder is very striking.To provide more flexibility for energy constrained video application of mobile device,a balanced video coding methods was presented, which combined the technology of predictive video coding and distributed video coding. The dynamic complexity distribution was implemented by shareing the complexity between the encoder and decoder. The encoder and decoder complexity model and complexity distribution model of PVC,DVC,BVC was focused on to construct. The model of data transfer caused by the pixel reading and writing of motion eastimation, the complexity of encoder and decoder model and complexity distribution model was constructed respectively.Base on this,the balanced video coding system and the correspond belief propogation deocding algorithm was designed.The whole balanced video coding system was implemented in practical communication envirement using mobile devices,It is significant to promote the us

英文关键词: Balanced Video Coding;Distributed Video Coding;Complexity distribution;;

成为VIP会员查看完整内容
0

相关内容

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
专知会员服务
7+阅读 · 2021年10月4日
专知会员服务
14+阅读 · 2021年3月26日
「数据数学:从理论到计算」EPFL硬核课程
专知会员服务
42+阅读 · 2021年1月31日
3000 元电视横评丨 发掘隐藏差异!
ZEALER订阅号
0+阅读 · 2022年3月2日
去伪存真:因果约束下的图神经网络泛化
PaperWeekly
0+阅读 · 2022年2月10日
浅谈BERT/Transformer模型的压缩与优化加速
PaperWeekly
1+阅读 · 2021年12月31日
【经典书】凸优化:算法与复杂度,130页pdf
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
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
一文读懂神经网络(附PPT、视频)
数据派THU
17+阅读 · 2018年3月25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
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 · 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 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
Arxiv
0+阅读 · 2022年4月18日
Arxiv
27+阅读 · 2021年11月11日
Arxiv
14+阅读 · 2019年9月11日
SlowFast Networks for Video Recognition
Arxiv
19+阅读 · 2018年12月10日
小贴士
相关VIP内容
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
专知会员服务
7+阅读 · 2021年10月4日
专知会员服务
14+阅读 · 2021年3月26日
「数据数学:从理论到计算」EPFL硬核课程
专知会员服务
42+阅读 · 2021年1月31日
相关资讯
3000 元电视横评丨 发掘隐藏差异!
ZEALER订阅号
0+阅读 · 2022年3月2日
去伪存真:因果约束下的图神经网络泛化
PaperWeekly
0+阅读 · 2022年2月10日
浅谈BERT/Transformer模型的压缩与优化加速
PaperWeekly
1+阅读 · 2021年12月31日
【经典书】凸优化:算法与复杂度,130页pdf
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
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
一文读懂神经网络(附PPT、视频)
数据派THU
17+阅读 · 2018年3月25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
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 · 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 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
微信扫码咨询专知VIP会员