社区
殷汶杰的课程社区_NO_1
H.264/AVC视频编解码技术详解
帖子详情
由参考数据生成预测像素块(上)
取次花丛懒回顾
上海汶杰信息技术有限公司官方账号
博客专家认证
2023-01-12 21:51:56
课时名称
课时知识点
由参考数据生成预测像素块(上)
...全文
23
回复
打赏
收藏
由参考数据生成预测像素块(上)
课时名称课时知识点由参考数据生成预测像素块(上)
复制链接
扫一扫
分享
转发到动态
举报
写回复
配置赞助广告
用AI写文章
回复
切换为时间正序
请发表友善的回复…
发表回复
打赏红包
HEVC帧间
预测
原理
一、帧间
预测
基本原理 主要原理是为当前图像的每个
像素
块
在之前已编码图像中寻找一个最佳匹配
块
,该过程称为运动估计( Motion Estimation,ME)。其中用于
预测
的图像称为
参考
图(Reference Frame),
参考
块
到当前
像素
块
的位移称为运动向量(Motion Vector, MV),当前
像素
块
与
参考
块
的差值称为
预测
残差( Prediction Residual )。 二、原理展开 如果说按照每个
像素
去
参考
帧上面去找一个最匹配的
像素
,然后传输
像素
到
参考
像素
的位移信息,那么编码...
编解码 - 帧内
预测
过程剖解
帧内编码指的就是像
预测
、变换等压缩操作所使用的
数据
是来自本帧内,非其它视频流中的帧。下面详细讲解
预测
过程: 1、寻找最佳
预测
像素
集合(帧内
预测
的目标) 使用已经编码或者重建好的相邻
块
来作为
参考
源,主要指的就是top或者left部分
块
(
参考
的是光栅扫描顺序),用以上
参考
块
来
预测
当前的
块
,之所以用相邻
块
是因为跟当前
块
的相似度最高,相识度高意味着冗余度高,冗余度高意味着压缩率好。常用的
预测
模式:水平、垂直、对角线和其它角度方向,如下图所示: 2、
生成
残余值 就是
预测
块
和当前
块
的差值,如上图所示,不
HEVC算法和体系结构:
预测
编码之帧间
预测
预测
编码之帧间
预测
(Inter-Picture Prediction) 帧间
预测
是指利用视频时间域相关性,使用临近已编码图像
像素
预测
当前图像的
像素
,以达到有效去除视频时域冗余的目的。由于视频序列通常包括较强的时域相关性,因此
预测
残差值接近于0,将残差信号作为后续模
块
的输入进行变换、量化、扫描及熵编码,可实现对视频信号的高效压缩。 一、帧间
预测
编码原理
基于深度学习的帧内
预测
技术
在视频编码中,帧内
预测
是通过空域相邻
像素
预测
当前
块
的
像素
,传统编码中帧内
预测
技术包括角度模式、DC和Planar模式,现在很多都开始使用深度学习来进行帧内
预测
。 大部分使用深度学习进行帧内
预测
的网络主要分为:全连接神经网络或者全卷积神经网络或者卷积神经网络和全连接神经网络的结合。这里对各种方法进行一下总结,也梳理一下思路。 Fully Connected Network-Based Intra Prediction for Image Coding 这是第一篇使用全连接神经网络进行帧内
预测
的论文,称之
GAN(
生成
对抗网络)在合成时间序列
数据
中的应用(第一部分——利用GAN
生成
合成(synthetic)
数据
)
GAN(
生成
对抗网络)在合成时间序列
数据
中的应用(第一部分——利用GAN
生成
合成
数据
) (本文基本是对Jasen 的《Machine Learning for Algorithmic Trading》第二版的第21章进行翻译、改写和复现,并用于我们的实际情况) 1. 准备阶段 配置介绍 在Anaconda下安装TensorFlow以及在Jupyter Notebook中引用的准备,可以
参考
以下文档 https://www.tensorflow.org/tutorials/quickstart/beginne
殷汶杰的课程社区_NO_1
1
社区成员
153
社区内容
发帖
与我相关
我的任务
殷汶杰的课程社区_NO_1
一个爱玩儿爱生活的技术宅; 毕业于上海大学通信与信息工程学院,从事流媒体和视频编解码的研究与开发工作; 研究领域包括视频编解码标准、视频处理和流媒体技术、移动互联网技术等。
复制链接
扫一扫
分享
社区描述
一个爱玩儿爱生活的技术宅; 毕业于上海大学通信与信息工程学院,从事流媒体和视频编解码的研究与开发工作; 研究领域包括视频编解码标准、视频处理和流媒体技术、移动互联网技术等。
社区管理员
加入社区
获取链接或二维码
近7日
近30日
至今
加载中
查看更多榜单
社区公告
暂无公告
试试用AI创作助手写篇文章吧
+ 用AI写文章