Jan, 2024
利用迁移学习和时空特征高效构建比特率阶梯
Efficient Bitrate Ladder Construction using Transfer Learning and Spatio-Temporal Features
Ali Falahati, Mohammad Karim Safavi, Ardavan Elahi, Farhad Pakdaman, Moncef Gabbouj
TL;DR利用迁移学习和时空特征,提出了一种有效的比特率阶梯预测方法,该方法能够在保持高质量视频的同时减少编码复杂度。通过在已训练的深度神经网络中使用特征图来预测比特率 - 质量行为,并通过预测顶部质量的最小比特率来提高最高质量的效率。该方法在 102 个视频场景上的测试结果表明,相对于暴力搜索方法,编码复杂度减少了 94.1%,BD-Rate 费用仅为 1.71%。此外,还通过四个网络和消融研究对迁移学习进行了深入研究。