一种基于图神经网络和统计分析的VVC帧内编码快速算法

• Published in: 电信科学 Vol. 40; no. 9; pp. 109 - 122
• Main Authors: 黎天送, 刘昊坤, 崔少国, 刘姝岑, 陈艳, 王鸿奎
• Format: Journal Article
• Language: Chinese
• Published: 中国通信学会 20.09.2024; 人民邮电出版社有限公司; 重庆师范大学,重庆 401331%杭州电子科技大学,浙江 杭州 310018
• Subjects: 帧内角度模式; 多功能视频编码; 编码单元划分; 帧内编码; intra-angel mode; coding unit partition; intra coding; WC
• ISSN: 1000-0801
• DOI: 10.11959/j.issn.1000-0801.2024213

多功能视频编码（versatile video coding, VVC）作为最新一代的视频编码标准，通过引入多种高效的编码工具进一步提升了视频编码性能。然而，VVC标准引入了四叉树加多类型树（quadtree plus multi-type tree, QTMT）划分结构，并将帧内预测模式从35种扩展到67种，导致编码复杂度急剧上升。为降低VVC的帧内编码复杂度，首先，提出了一种基于图神经网络的帧内编码单元（coding unit, CU）划分快速算法，该算法利用高效的图神经网络模型直接预测CU的最优划分模式，从而跳过冗余的CU划分遍历。其次，提出了一种基于空间相关性和纹理特征的帧内模式选择快速算法，该算法利用平均方向方差和Sobel梯度算子确定纹理方向，并跳过部分角度预测模式，同时结合预测模式间的相关性精简率失真模式列表。实验结果表明，该算法能够在BDBR（bjontegaard delta bit rate）上升2.29%的代价下，节省64.04%的编码时间。