基于多分支网络的深度图帧内编码单元快速划分算法

来源：电子与信息学报杂志2022年第12期北京时间：

作者：刘畅, 贾克斌, 刘鹏宇

单位：1.北京工业大学信息学部 北京 1001242.先进信息网络北京实验室 北京 1001243.计算智能与智能系统北京市重点实验室 北京 100124

摘要：3维高效视频编码(3D-HEVC)标准是最新的3维(3D)视频编码标准，但由于其引入深度图编码技术导致编码复杂度大幅增加。其中，深度图帧内编码单元(CU)的四叉树划分占3D-HEVC编码复杂度的90%以上。对此，在3D-HEVC深度图帧内编码模式下，针对CU四叉树划分复杂度高的问题，该文提出一种基于深度学习的CU划分结构快速预测方案。首先，构建学习深度图CU划分结构信息的数据集；其次，搭建预测CU划分结构的多分支卷积神经网络(MB-CNN)模型，并利用构建的数据集训练MB-CNN模型；最后，将MB-CNN模型嵌入3D-HEVC的测试平台，通过直接预测深度图帧内编码模式下CU的划分结构来降低CU划分复杂度。与标准算法相比，编码复杂度平均降低了37.4%。实验结果表明，在不影响合成视点质量的前提下，该文所提算法有效地降低了3D-HEVC的编码复杂度。

关键词：3维高效视频编码, 深度图, 帧内编码, 编码单元划分, 深度学习

基金资助：国家重点研发计划(2018YFF01010100)，北京市自然科学基金(4212001)，青海省基础研究计划(2020-ZJ-709, 2021-ZJ-704)