Enhancing Quality for VVC Compressed Videos with Omniscient Quality Enhancement Model

要約

最新のビデオコーディング標準H.266/VVCは、前任者のHEVC標準と比較した場合、圧縮性能に関して大きな改善を示しています。
VVCは多くの高度な手法で実装されていましたが、デコーダー側での知覚品質需要がさらに高いこととエンコーダー側での圧縮性能が必要であるため、前任者と同じ課題を満たしています。
人工知能（AI）テクノロジーの進歩、特に深い学習ベースのビデオ品質強化方法は、知覚品質体験を改善するための有望なアプローチであることが示されました。
この論文では、VVC圧縮ビデオ用の新しい全知のビデオ品質エンハンスネットネットワークを提案します。
圧縮されたビデオ品質エンハンスメントのための全知ネットワークは、もともと空間的な特徴だけでなく、視覚品質を増強するために頻繁に通過する頻度の情報も採用されたHEVC圧縮ビデオ用に設計されました。
この作業に触発されて、OVQEモデルの変更を提案し、それを持続したSTD-VVC（標準的な汎用ビデオコーディング）デコーダーアーキテクチャに統合します。
豊富な一連のテスト条件で評価されているように、提案されたOVQE-VVCソリューションは、元のSTD-VVCコーデックに関して、特に0.74 dB、最大1.2 dBの大幅なPSNR改善を達成することができます。
これは、同様の品質観察を維持しながら、ビットレートの節約の約19.6％にも対応しています。

要約(オリジナル)

The latest video coding standard H.266/VVC has shown its great improvement in terms of compression performance when compared to its predecessor HEVC standard. Though VVC was implemented with many advanced techniques, it still met the same challenges as its predecessor due to the need for even higher perceptual quality demand at the decoder side as well as the compression performance at the encoder side. The advancement of Artificial Intelligence (AI) technology, notably the deep learning-based video quality enhancement methods, was shown to be a promising approach to improving the perceptual quality experience. In this paper, we propose a novel Omniscient video quality enhancement Network for VVC compressed Videos. The Omniscient Network for compressed video quality enhancement was originally designed for HEVC compressed videos in which not only the spatial-temporal features but also cross-frequencies information were employed to augment the visual quality. Inspired by this work, we propose a modification of the OVQE model and integrate it into the lasted STD-VVC (Standard Versatile Video Coding) decoder architecture. As assessed in a rich set of test conditions, the proposed OVQE-VVC solution is able to achieve significant PSNR improvement, notably around 0.74 dB and up to 1.2 dB with respect to the original STD-VVC codec. This also corresponds to around 19.6% of bitrate saving while keeping a similar quality observation.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google