Основанный на генетическом подходе алгоритм внутрикодирования для H.266/VVC
Ключевые слова:
генетический алгоритм, H.266/VVC, внутреннее кодирование, инструменты кодирования, разделы MTD, время кодирования, качество видеоАннотация
Представлен генетический подход для оптимизации внутреннего кодирования в H.266/VVC. Предлагаемый алгоритм эффективно выбирает инструменты кодирования и многотипные древовидные разбиения (MTT) для достижения баланса между временем кодирования и качеством видео. Функция оценки пригодности, которая объединяет показатели восприятия и эффективности кодирования, используется для оценки качества каждого возможного решения. Результаты демонстрируют значительное сокращение времени кодирования без ущерба для качества видео. Предлагаемый алгоритм выбирает инструменты кодирования из набора доступных инструментов в H.266/VVC. Эти инструменты включают режимы внутреннего прогнозирования, единицы преобразования, параметры квантования и режимы энтропийного кодирования. Схема разбиения MTT включает четыре типа разбиений: квадродерево, двоичное дерево, троичное дерево и квадро-двоичное дерево. Показатели восприятия используются для оценки визуального качества закодированного видео. Показатели эффективности кодирования используются для оценки эффективности кодирования закодированного видео. Функция оценки пригодности объединяет показатели восприятия и показатели эффективности кодирования для оценки качества каждого возможного решения.
Литература
2. Tsai Y.-H., Lu C.-R., Chen M.-J., Hsieh M.-C., Yang C.-M., Yeh C.-H. Visual Perception Based Intra Coding Algorithm for H.266/VVC. Electronics. 2023. vol. 12(9). no. 2079. DOI: 10.3390/electronics12092079.
3. Zhao J., Wu A., Zhang Q. SVM-Based Fast CU Partition Decision Algorithm for VVC Intra Coding. Electronics. 2022. vol. 11(14). no. 2147. DOI: 10.3390/electronics11142147.
4. Wang F., Wang Z., Zhang Q. FSVM- and DAG-SVM-Based Fast CU-Partitioning Algorithm for VVC Intra-Coding. Symmetry (Basel). 2023. vol. 15(5). no. 1078. DOI: 10.3390/sym15051078.
5. PyGAD: Genetic Algorithm in Python. GeneticAlgorithmPython, 2023. URL: https://github.com/ahmedfgad/GeneticAlgorithmPython (accessed 22.11.2023).
6. Zhang Q., Wang Y., Huang L., Jiang B. Fast CU Partition and Intra Mode Decision Method for H.266/VVC. IEEE Access. 2020. vol. 8. pp. 117539–117550. DOI: 10.1109/ACCESS.2020.3004580.
7. Fan Y., Chen J., Sun H., Katto J., Jing M. A Fast QTMT Partition Decision Strategy for VVC Intra Prediction. IEEE Access. 2020. vol. 8. pp. 107900–107911. DOI: 10.1109/ACCESS.2020.3000565.
8. Yang H., Shen L., Dong X., Ding Q., An P., Jiang G. Low-Complexity CTU Partition Structure Decision and Fast Intra Mode Decision for Versatile Video Coding. IEEE Trans. Circuits Syst. Video Technol. 2019. vol. 30. no. 6. pp. 1668–1682. DOI: 10.1109/TCSVT.2019.2904198.
9. Wu G., Huang Y., Zhu C., Song L., Zhang W. SVM Based Fast CU Partitioning Algorithm for VVC Intra Coding. IEEE International Symposium on Circuits and Systems (ISCAS). 2021. pp. 1–5. DOI: 10.1109/ISCAS51556.2021.9401614.
10. Zhang H., Yu L., Li T., Wang H. Fast GLCM-based Intra Block Partition for VVC. Data Compression Conference (DCC). 2021. pp. 382–382. DOI: 10.1109/DCC50243.2021.00060.
11. Zhao J., Wu A., Jiang B., Zhang Q. ResNet-Based Fast CU Partition Decision Algorithm for VVC. IEEE Access. 2022. vol. 10. pp. 100337–100347. DOI: 10.1109/ACCESS.2022.3208135.
12. Chen M.-J., Lee C.A., Tsai Y.H., Yang C.M., Yeh C.H., Kau L.J., Chang C.Y. Efficient Partition Decision Based on Visual Perception and Machine Learning for H.266/Versatile Video Coding. IEEE Access. 2022. vol. 10. pp. 42141–42150. DOI: 10.1109/ACCESS.2022.3168155.
13. Huo J., Sun Y., Wang H., Wan S., Yang F., Li M. Unified Matrix Coding for NN Originated MIP in H.266/VVC. ICASSP 2022 – 2022 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP). 2022. pp. 1635–1639. DOI: 10.1109/ICASSP43922.2022.9746799.
14. Yang S., Hsiao S. H.266/VVC fast intra prediction using Sobel edge features. Electron. Lett. 2021. vol. 57. no. 1. pp. 11–13. DOI: 10.1049/ell2.12011.
15. Chen C., Wang X. A Novel Selective Encryption Scheme for H.266/VVC Video. IEEE International Conference on Image Processing (ICIP). 2023. pp. 1225–1229. DOI: 10.1109/ICIP49359.2023.10222774.
16. Kwon Y., Cho K. Design of High-performance Unified DST-7/DCT-8 Circuit for Video Encoding based on H.266/VVC. Journal of the Institute of Electronic Engineers. 2022. vol. 59. no. 1. pp. 10–18. DOI: 10.5573/ieie.2022.59.1.10.
17. Zhou Y.-G., Chen J.-J. Speed up H.266/VVC Intra Coding based on Statistical Heuristic and Deep Learning Methods. International Conference on Consumer Electronics – Taiwan (ICCE-Taiwan). 2023. pp. 451–452. DOI: 10.1109/ICCE-Taiwan58799.2023.10226774.
18. Regensky A., Herglotz C., Kaup A. Motion Plane Adaptive Motion Modeling for Spherical Video Coding in H.266/VVC. IEEE International Conference on Image Processing (ICIP). 2023. pp. 875–879. DOI: 10.1109/ICIP49359.2023.10222661.
19. Gou A., Sun H., Liu C., Zeng X., Fan Y. A novel fast intra algorithm for VVC based on histogram of oriented gradient. Journal of Visual Communication and Image Representation. 2023. vol. 95. DOI: 10.1016/j.jvcir.2023.103888.
20. Liu L., Yang J. An Adaptive CU Split Method for VVC Intra Encoding. International Journal of Information Technologies and Systems Approach (IJITSA). 2023. vol. 16. no. 2. pp. 1–17. DOI: 10.4018/IJITSA.322433.
21. Jing Z., Zhu W., Zhang Q. A Fast VVC Intra Prediction Based on Gradient Analysis and Multi-Feature Fusion CNN. Electronics. 2023. vol. 12(9). no. 1963. DOI: 10.3390/electronics12091963.
22. Lee M., Song H., Park J., Jeon B., Kang J., Kim J.G., Lee Y.-L., Kang J.-W., Sim D. Overview of Versatile Video Coding (H.266/VVC) and Its Coding Performance Analysis. IEIE Trans. Smart Process. Comput. 2023. vol. 12. no. 2. pp. 122–154. DOI: 10.5573/IEIESPC.2023.12.2.122.
23. Park J., Lee J., Kim B., Jeon B. Learning-based Early Transform Skip Mode Decision for VVC Screen Content Coding. IEEE Transactions on Circuits and Systems for Video Technology. 2023. vol. 33. no. 10. pp. 6041–6056. DOI: 10.1109/TCSVT.2023.3257224.
24. Teng Q., Teng G., Li X., Ma R., An P., Yang Z. Lookahead Search-Based Low-Complexity Multi-Type Tree Pruning Method for Versatile Video Coding (VVC) Intra Coding. IEICE Transactions on Fundamentals of Electronics, Communications and Computer Sciences. 2023. vol. E106.A. no. 3. DOI: 10.1587/transfun.2022EAP1022.
25. Wang Y., Dai P., Zhao J., Zhang Q. Fast CU Partition Decision Algorithm for VVC Intra Coding Using an MET-CNN. Electronics. 2022. vol. 11(19). no. 3090. DOI: 10.3390/electronics11193090.
26. Xu Q., Xu D., Wang H., Mi Z., Wang Z., Yan H. Detecting double H.266/VVC compression with the same coding parameters. Neurocomputing. 2022. vol. 514. pp. 231–244. DOI: 10.1016/j.neucom.2022.09.153.
27. Shang X., Li G., Zhao X., Zuo Y. Low complexity inter coding scheme for Versatile Video Coding (VVC). Journal of Visual Communication and Image Representation. 2023. vol. 90. DOI: 10.1016/j.jvcir.2022.103683.
28. CPIH subset of the database for CU Partition of HEVC (CPH). 2018. URL: https://github.com/HEVC-Projects/CPIH (accessed 22.11.2023).
29. UVG dataset. 2023. URL: https://www.kaggle.com/datasets/minhngt02/uvg-yuv (accessed 22.11.2023).
A Genetic Approach-Based Intra Coding Algorithm for H.266/VVC
Abstract
This paper presents a genetic approach for optimizing intra coding in H.266/VVC. The proposed algorithm efficiently selects coding tools and Multi-Type Tree (MTT) partitions to achieve a balance between encoding time and video quality. The fitness evaluation function, which combines perceptual metrics and coding efficiency metrics, is used to assess the quality of each candidate solution. The results demonstrate a significant reduction in encoding time without compromising video quality. The proposed algorithm selects coding tools from a set of available tools in H.266/VVC. These tools include intra prediction modes, transform units, quantization parameters, and entropy coding modes. The MTT partitioning scheme includes four types of partitions: quadtree, binary tree, ternary tree, and quad-binary tree. Perceptual metrics are used to evaluate the visual quality of the encoded video. Coding efficiency metrics are used to evaluate the coding efficiency of the encoded video. The fitness evaluation function combines perceptual metrics and coding efficiency metrics to assess the quality of each candidate solution.
Опубликован
Как цитировать
Раздел
Copyright (c) Murooj Khalid Ibraheem
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.
Авторы, которые публикуются в данном журнале, соглашаются со следующими условиями: Авторы сохраняют за собой авторские права на работу и передают журналу право первой публикации вместе с работой, одновременно лицензируя ее на условиях Creative Commons Attribution License, которая позволяет другим распространять данную работу с обязательным указанием авторства данной работы и ссылкой на оригинальную публикацию в этом журнале. Авторы сохраняют право заключать отдельные, дополнительные контрактные соглашения на неэксклюзивное распространение версии работы, опубликованной этим журналом (например, разместить ее в университетском хранилище или опубликовать ее в книге), со ссылкой на оригинальную публикацию в этом журнале. Авторам разрешается размещать их работу в сети Интернет (например, в университетском хранилище или на их персональном веб-сайте) до и во время процесса рассмотрения ее данным журналом, так как это может привести к продуктивному обсуждению, а также к большему количеству ссылок на данную опубликованную работу (Смотри The Effect of Open Access).