这篇2020年的研究论文提出了一种创新的视频编码框架，利用深度学习的Refine-Net和ME-Net技术，专注于残差信号和运动矢量编码，并在CLICP-frameChallenge中通过完美参考帧展示了其高性能。实验结果显示，该编解码器在MS-SSIM质量评估上具有竞争力，挑战前列。
《Learned Video Codec with Enriched Reconstruction for CLIC P-frame Coding 》
20年12月提交在arXiv上的一篇paper，一个新的基于深度学习的端到端视频编解码框架，看到有大佬已经解读，跟着学习一下！！！大佬的解读点这里
论文：点这里
David Alexandre, Hsueh-Ming Hang
Dept. of Electronics Engineering, National Chiao Tung University, Taiwan
Abstract
本文提出了一种基于学习的视频编解码框架。具体地说，设计了带有Refine-Net的压缩网络，用于编码残差信号和运动矢量。此外，对于运动估计，引入了基于注意力的分层ME-Net。为了验证设计，对模块和不同的输入格式进行了消融实验。其视频编解码器通过在CLIC P-frame Challenge指定的解码器端使用完美参考帧来证明其性能。实验结果表明，在质量指标方面（MS-SSIM），提出的编解码器与Challenge的前排对比也非常有竞争力。
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
