HEVC学习(1)·帧间预测中分数像素的插值问题

本文探讨了在高效视频编码(HEVC)中使用卷积神经网络(CNN)进行半像素插值的方法。传统HEVC通过固定滤波器实现分数像素插值,而该方法利用CNN提高重建图像质量。尽管提升了图像质量,但计算复杂度也随之增加。

<A Convolutional Neural Network Approach for Half-Pel Interpolation in Video Coding>

在HEVC中, 运动矢量的移动很有可能不是整像素值的,因此需要对分数像素进行一个插值。

对于四分之一像素点,它的值由七个抽头系数的滤波器滤波得到,而对于二分之一像素点,它的值是由八个抽头系数的滤波器滤波得到的。这些滤波器的值在假设视频是低通和平稳的情况下,是固定的。

该论文受到由低分辨率可通过神经网络转换成高分辨率的启发,将高分辨率的训练样本,分成四部分,有一部分是整像素作为输入,另外三部分为水平,垂直和对角分像素,分别作为神经网络的输出。

尽管提高了重建图像的质量,但是神经网络的加入使计算复杂度大大提高。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值