【HEVC帧间预测论文】P1.4 Motion Vectors Merging: Low Complexity Prediction Unit Decision

Motion Vectors Merging: Low Complexity Prediction Unit Decision Heuristic for the inter-Prediction of HEVC Encoders

《HEVC标准介绍、HEVC帧间预测论文笔记》系列博客,目录见:http://www.cnblogs.com/DwyaneTalk/p/5711333.htmlMotion Vectors Merging Low Complexity Prediction Unit Decision Heuristic for the InterPrediction of HEVC Encoders.pdf

2012 IEEE International Conference on Multimedia and Expo

利用NxN的PU模式(即深度d+1下2Nx2N)下,进行ME得到的四个MV,来判断当年前CU(深度d)的最佳划分模式(即是否合并),如果合并,则针对合并后的PU模式重新进行一次ME。

 优化依据:(统计信息,在HM3.4上)

 

 

 图1表明Skip、Inter和Intra所占的比例,图2表名在不同尺寸下3+1(只有8x8的CU才有NxN的PU模式,不考虑非对称)种PU模式的比例,图3表明ME在编码过程中的时间代价。旨在说明可以通过减少PU模式来降低ME的次数,进而减少编码时间。同时表明2Nx2N概率最大,相应的优先级也应该最高。(在CU层决定Skip、Intra还是Inter。Skip只针对2Nx2N、Intra针对2Nx2N和NxN、Inter有3+1(NxN)+4(非对称)。对于Inter,对CU递归划分,每层CU在PU层决定最优模式)。

 

算法核心:(伪代码)

  

 

如左图,A~D分别表示4组相邻块的MV是否相等。’.’运算表示‘与’,‘+’运算表示‘或’。(在Intra最佳预测方向、ME最佳匹配块、最佳PU模式的决策中都要RDO,但是RDO的策略可能不同)

       》先进行NxN的PU划分,通过ME获得4个MV;

    》然后判断最优的PU划分,如果满足一定条件,则进行合并;

    》如果进行合并,则需要对合并后的PU模式,重新进行ME。

 

实验结果:

 

         图上表明了优化的MV Merge算法相对于全部PU划分模式进行RDO计算相比,时间节省了36%左右。图下表明MV Merge算法对于图像的质量影响很小(率失真曲线几乎重合)。

posted @ 2016-07-28 16:44  DwyaneTalk  阅读(908)  评论(0编辑  收藏  举报