qq_28234239的博客

abstract CNN环路滤波器用来增强视频质量。CNN模型通过学习原始帧与重建帧之间的关系来训练，训练好的CNN模型用在单个重建帧上增强视频质量。这种直接模型训练方法对帧内模式来说是有效的。但是由于没有考虑在帧间编码当中参考帧的相互依赖关系，这种直接训练的方法会造成过度滤波。为了解决这个问题，现有的方法通过RDO方法来选择性的使用CNN模型，但是这种方法没有解决CNN模型的单帧增强时局部优化的限制。这个文章提出了一个渐进式的方法去训练和嵌入CNN 环路滤波器到视频编码中。第一，文章开发了一个渐进式的训练

Abstract 有损图像压缩普遍被用来节约传输带宽，这导致了不好的压缩伪影。最近，大量的方法被提出来去减少编码端的压缩伪影，但是这些方法需要训练多个相同结构的模型来处理不同质量的视频，这不高效也很浪费资源。此外，在实践中，大家都知道如果不知道压缩图像的质量，那么很难选择一个合适的模型去处理。在这篇文章里，我们提出高效的未知压缩质量的图像增强方法RBQE。具体来说，我们的方法通过一个动态深度神经网络来盲目地渐进地处理压缩图像，方法中嵌入了提前退出机制(early-exit)。然后我们的方法可以根据增强图像的

ML-based video compression. To our knowledge, the only pre-existing end-to-end ML-based video compression approachs are [52, 8, 16]. [52] first encodes key frames, and proceeds to hierarchically inter...

Learned Video Compression 基于机器学习的视频压缩 Abstract 摘要