NDnarg的博客

理一遍全零块判决中，将上下文影响因子加到代码里的逻辑流程预先知道Rate表，state，以及概率差值文章目录流程A.原理B.流程图总结流程A.原理首先，需要找到语法元素的rate，state以及概率之间的关系。具体来说，就是找出码率映射表和state之间的关系，然后再从state对应到概率差值。B.流程图总结总的来说，就是在跑代码的过程中根据语法元素的Rate找state，然后再根据state找MPS和LPS的概率，从而得到概率差值，把这个概率差值拿去训练即可。...

文章目录

本文提出了一种HEVC中的低复杂度量化技术，并希望对新一代视频编码标准VVC有一定的启发。文章目录摘要一、引言二、HEVC中采用的量化技术三、FAST RDOQ1.STATISTICS-BASED FAST RDOQ2.RATE DISTORTION MODELS FOR FAST RDOQ四、全零块检测五、率失真性能和编码复杂度六、讨论总结摘要在HEVC中，率失真优化量化（RDOQ）在rate和distortion之间有着很好的折衷，这使得它在率失真性能方面有着很不错的发展前景。但是，RDOQ在如

根据贝叶斯分类器来推导AZB检测阈值文章目录基于Bayes分类的自适应RDOQ阈值模型建立1.Bayes分类器应用推导2.自适应量化阈值分析与建模基于Bayes分类的自适应RDOQ阈值模型建立DCT系数更符合高斯分布模型，为计算简便，选用均值为0，标准差为бF的拉普拉斯分布模型。根据概率论中的3б原则，当ξ=3时，DCT系数落在（-ξбF，ξбF）范围内的概率在99%以上。因此，当TU块内所有DCT系数小于ξбF时，判为AZB，即其中，ξ作为调节因子对于判断AZB具有重要调节作用。离线情况下图像

全零TU所占总TU数的比例会随着QP增加而增加。然而，在TU尺寸大的情况下，如32x32，即使QP非常大，G-AZB所占TU总数的比例也很小。这也就是说，对于32x32的TU块，没有RDOQ，最后的量化结果就是NAZB，只有经过RDOQ才会量化为P-AZB。文章目录HDQ全零块判决算法RDOQ全零块判决算法基于机器学习的AZB判决神经网络框架1.TU级特征2.系数级特征3.上下文级特征HDQ全零块判决算法为在HDQ之前实现全零块判决，首先需要设计针对G-AZB的判决算法。当TU中最大DCT系数ma

对于G-AZB检测：用SAD的两个边界和一个SATD阈值来减少G-AZB检测复杂度；对于P-AZB检测，提出快速率失真估计算法来提高P-AZB检测效率。本文首先采用SAD的两个边界和SATD的一个阈值来检测G-AZB。其次，提出一种快速率失真代价估计的方法来检测P-AZB。文章目录混合AZB检测方法A.G-AZB检测B.P-AZB检测混合AZB检测方法下图展示了本文AZB检测方法的伪代码：第一步，如果一个TU的SAD小于第一个SAD阈值（SADlower），认为TU是G-AZB；否则，如果SA

对于直接由HDQ产生的G-AZB，用基于SATD方法提前终止。对于在率失真优化下产生的P-AZB的分类，基于变换系数建立的率失真模型和最大变换系数的自适应搜索被共同用于鉴别分类。实际上，有大量TU被量化为0，特别是对于比较小的TU（如在低比特率编码情况下的4x4和8x8）。因此，非常有必要在变换之前早期确定AZB，这对于节省由冗余变换和量化引起的编码时间是有用的。文章目录相关工作提出的AZB检测A.变换描述B.G-AZB检测C.P-AZB检测AZB检测算法总结相关工作  对于NxN变换块中的残差数

将信号检测与估计内容用于全零块  设wi是系数u的最终分类结果，即经过RDOQ是否量化为0的分类结果。则w0代表系数u被量化为0，w1代表系数u没有被量化为0。大量样本“扔”到分类器中，并且基于统计分类获得分类可靠性，根据Bayes定理，后验概率表示如下：  根据Bayes分类器，二元分类规则可以由下式表示：  对于RDOQ最终的阈值ΓDCT可以由误分类概率确定。一种情况就是属于w0的样本被错误判决成w1类，另一种情况就是属于w1的样本被错误判决成w0类。总体的误分类概率Pe由上述两种情况即p0(

一种全零块检测方法。由于许多编码块经过DCT变换和量化后系数基本趋近于0，因此，值得在DCT之前检测所有零量化块，以便跳过后续一系列步骤。事实上，越大的TU检测起来越困难，HEVC最大的TU是32x32，而VVC最大尺寸更是达到了64x64、128x128。大的变换块包含更多种类的内容特征，因此以前的AZB检测方案就变得无效。检测全零块主要从变换块左上角的系数入手，对于32x32块，检查8x8子块的DC系数用于AZB检测。文章目录引言引言  HEVC采用了四叉树的结构，在寻找最优变换尺寸时（HE

AZB检测可以看作是快速量化的加速工具，因此量化算法在AZB检测中起着至关重要的作用。文章目录引言The new RDOQ based Γ(DCT) modelΓ(DCT) model for RDOQ引言  本文提出一种基于哈达玛域SATD阈值的改进AZB检测算法，一方面，制定更加精确的阈值模型；另一方面，设置自适应的基于SATD的AZB检测阈值。The new RDOQ based Γ(DCT) model  对于像16x16和32x32的这样的大尺寸TU，AZB的比例明显低于小尺寸块（4x

传统的基于阈值的AZB检测算法非常适合死区量化块，但是在RDOQ中错过了部分最优结果，并在RDOQ中有一定的精度下降。本文提出一种新的多级AZB检测算法：第一阶段，通过阈值来预先判断在HDQ和RDOQ中被量化为全零的块；第二阶段，使用自适应死区偏移建立自适应阈值模型，目的是进一步检测在RDOQ中被量化为全零但是在HDQ中没有被量化为全零的伪全零块；最后阶段，使用基于机器学习的检测方法，利用8个与RDO相关的特征对剩余的所有零块进行分类。文章目录引言HDQ和RDOQAZB检测算法1.G-AZB检测阈值模型2

在早期检测出全零块，可以加速RDOQ过程。尽管RDOQ带来了编码性能的显著改善，但是它导致了高计算复杂度（由于码率和失真的折衷来确定最佳量化电平的这种复杂度）。由于许多TB经过RDOQ之后是全零块，因此在RDOQ之前检测全零块是非常值得的，这样就可以直接省去变换量化这样繁琐的步骤。本文主要介绍一种自适应零块检测模型来加速RDOQ过程。文章目录引言HEVC中的RDOQAZB检测方法1.全零块中变换系数分析2.找寻AZB检测阈值、QP和TU尺寸之间的关系并建立检测模型引言  趁早检测出零块以跳过变换量化

一种全零块检测方法。由于许多编码块经过DCT变换和量化后系数基本趋近于0，因此，值得在DCT之前检测所有零量化块，以便跳过后续一系列步骤。事实上，越大的TU检测起来越困难，HEVC最大的TU是32x32，而VVC最大尺寸更是达到了64x64、128x128。大的变换块包含更多种类的内容特征，因此以前的AZB检测方案就变得无效。检测全零块主要从变换块左上角的系数入手，对于32x32块，检查8x8子块的DC系数用于AZB检测。文章目录引言引言  ...

全零块检测的一些做法文章目录G-AZB检测P-AZB检测G-AZB检测  采用一种基于数学推导的方法，在检测真全零块方面，使用比之前更加严格的阈值。  首先，理论上，如果被检测是真全零块，那么TU中所有变换系数都应满足：  进一步推导如下：  很快，就得到了一个检测阈值：  一个检测阈值不够，还需要一个检测阈值，然后取他们当中较小的那一个，也就是所谓“严格”的阈值。  根据一些论文中所计算得到的，残差数据的标准差：  （u，v）位置的变换系数的方差：  将上面两个式子中的标准差代入第

一种自适应低复杂度全零块检测算法。主要是为了提高基于SATD阈值的自适应检测方法的检测精度，节省RDO检测时间。在传统的SATD检测失败后，提出了一种自适应搜索时域低频最大变换系数幅值的全零块检测方法。文章目录引言一种高效的AZB检测算法1.真全零块检测2.伪全零块检测3.全零块检测编程总结引言  在变换量化之前提早地检测出全零块无疑是非常有必要的。现有的全零块检测技术大多数是使用SAD或SATD来设计基于一些附加条件的阈值。一种高效的AZB检测算法  一般来说，真全零块表示在均匀量化后，一个块