科研之友
微信
新浪微博
Facebook
分享链接
摘要
3维高效视频编码(3D-HEVC)标准是最新的3维(3D)视频编码标准，但由于其引入深度图编码技术导致编码复杂度大幅增加。其中，深度图帧内编码单元(CU)的四叉树划分占3D-HEVC编码复杂度的90%以上。对此，在3D-HEVC深度图帧内编码模式下，针对CU四叉树划分复杂度高的问题，该文提出一种基于深度学习的CU划分结构快速预测方案。首先，构建学习深度图CU划分结构信息的数据集；其次，搭建预测CU划分结构的多分支卷积神经网络(MB-CNN)模型，并利用构建的数据集训练MB-CNN模型；最后，将MB-CNN模型嵌入3DHEVC的测试平台，通过直接预测深度图帧内编码模式下CU的划分结构来降低CU划分复杂度。与标准算法相比，编码复杂度平均降低了37.4%。实验结果表明，在不影响合成视点质量的前提下，该文所提算法有效地降低了3D-HEVC的编码复杂度。
- 单位
