采用轻量级卷积神经网络的H.266/通用视频编码跨分量预测

作     者：邹承益 万帅 朱志伟 尹宇杰 ZOU Chengyi;WAN Shuai;ZHU Zhiwei;YIN Yujie

作者机构：西北工业大学电子信息学院西安710129 皇家墨尔本理工大学工程学院澳大利亚墨尔本VIC3001 

基　　金：陕西省自然科学基础研究计划资助项目(2024JC-YBMS-463) TCL科技创新基金资助项目 

出 版 物：《西安交通大学学报》 (Journal of Xi'an Jiaotong University)

年 卷 期：2025年第59卷第2期

页      码：180-188页

摘      要：为提高新一代通用视频编码标准(H.266/VVC)中色度帧内预测的准确度,提出了采用轻量级卷积神经网络的跨分量预测方法。设计了亮度模块和边界模块,从亮度和色度参考样本中提取特征。设计了注意力模块,构建当前亮度参考样本和边界亮度参考样本之间的空间关系,并应用于边界色度参考样本生成色度预测样本。为降低编解码复杂度,设计网络在二维完成特征融合和预测,优化了现有的同组参数处理不同块大小的训练策略。并且,引入宽度可变卷积,根据不同的块大小调整网络参数。实验结果表明:与H.266/VVC测试模型VTM18.0相比,所提网络在Y(亮度分量)、Cb(蓝色色度分量)、Cr(红色色度分量)上分别实现了0.30%、2.46%、2.25%的码率节省。与其他基于卷积神经网络的跨分量预测方法相比,有效地降低了网络参数和推理复杂度,分别节省了约10%的编码时间和19%的解码时间。

主 题 词：通用视频编码 跨分量预测 轻量级卷积神经网络 注意力机制 宽度可变卷积 

学科分类：0810[工学-土木类] 08[工学] 081001[081001] 

核心收录：

D　O　I：10.7652/xjtuxb202502018

馆 藏 号：203156922...