摘要：为降低高效率视频编码(HEVC)的计算复杂度,提出一种基于深度学习的复杂度优化方法。构建大规模编码单元(CU)划分数据库,为算法设计和神经网络训练提供数据基础;设计一种适用于HEVC的CU划分图模型,高效表征多个邻近CU的划分模式;在此基础上,提出一种基于稠密网络的分层卷积神经网络结构,准确预测HEVC中的三级CU划分结果。实验结果表明:该方法能够在保证编码效率前提下,平均节省57%的编码时间,有效解决了HEVC编码复杂度过高的瓶颈。

摘要：高分辨率视频中使用了更多的像素来描述空间中相同幅度的运动,这会导致帧间编码过程中需要搜索的范围与所需要的参考帧像素存储器大小随着视频中图像对角线像素数目的平方增长,从而给硬件帧间编码器的设计带来巨大的困难.本文提出了一种以编码树单元为单位,利用当前帧及时域相邻帧中的信息,确定搜索起点的方法;而且在编码效率仅下降约1.6%的情况下,将参考帧像素存储器的规模减小约91.5%.

摘要：新一代视频编码标准获得了较高的编码效率,但同时也增加了计算量。HEVC(High Efficiency Video Coding)并行算法能够提高编码速度,开发适用于多核处理器的并行编码算法对于满足高清视频实时传输和大规模实时共享具有十分重要的意义。分析帧内预测算法在处理像素过程中数据之间的依赖关系,进行基于预测模式的细粒度并行性的设计。块与块之间采用流水线处理,减少帧内预测算法的执行时间。利用动态可编程可重构视频阵列处理器,对帧内预测算法进行验证。实验结果表明,相比于HM16.0官方测试标准,信噪比提高了10%,算法的执行时间减少了大约70%。

摘要：为实现H.265/HEVC高清视频软件解码,提供HEVC并行解码的可行方案,提出并实现基于64核处理器的H.265/HEVC纯软件实时解码器。软件解码器被划分为熵解码(CABAC解码)、亮度反量化反变换、亮度帧内预测以及色度处理4个模块,各模块间以流水线方式并行运行,多帧图像可同时输入处理器,实现帧间并行。实验结果表明,采用该方式实现的H.265/HEVC基本档次解码器在1GHz的测试条件下,最高达到了720p视频108帧/秒,1080p视频61帧/秒的解码速率。

摘要：文章基于脉动阵列实现HEVC(High Efficiency Video Coding)中8×8的整数DCT(Discrete Cosine Transform)变换,改进通常使用的蝶型算法。整体架构基于脉动阵列的思想,并采用中间值数据重组的设计,使得变换模块可同时实现行列变换操作。只需得到列变换的第一个值便可开始行变换,充分利用了PE单元,减少变换时间并提高计算模块的并行性。文中方法不仅适用于DCT变换,也可用于其他的8×8矩阵相乘,具有通用性。综合结果表明,该设计最高可工作在203.8 MHz的频率上,与其他算法相比时间上只需35个周期,且资源消耗较少。文中方法非常适合于HEVC视频编码对实时性的要求,为HEVC编码标准的硬件实现提供了参考。

摘要：简要说明三网融合环境下视频服务云平台的规划背景,重点阐述视频服务云平台的系统架构、核心功能和关键技术。结合海外自身运营的实际需求和容器技术开发了面向混合云的视频服务云平台,为广电运营商的视频服务云平台建设提供了一种参考。