mytzs123的博客

输入视频通过编码器形成比特流，然后解码器将比特流解码为视频。然后，通过后处理方法提高重构视频质量。后处理：视频后处理是一种在解码器端提高重构帧质量的方法。该模型包括特征提取层、质量增强层和重构层三部分。基于学习的后处理方法介绍•单帧后处理•多帧后处理。HEVC中压缩视频后处理的低复杂度神经网络。

提高HEVC压缩视频的质量Abstract最新的高效视频编码（HEVC）标准已越来越多地应用于在互联网上生成视频流。然而，HEVC压缩视频可能会导致严重的质量下降，尤其是在低比特率下。因此，有必要在解码器侧提高HEVC视频的视觉质量。为此，本文提出了一种质量增强卷积神经网络（QE-CNN）方法，该方法不需要修改编码器即可实现HEVC的质量增强。特别是，我们的QE-CNN方法学习QE-CNN-I和QE-CNN-P模型，以分别减少HEVC I和P/B帧的失真。该方法不同于现有的基于CNN的质量增强方法，后者仅处

此外，我们的DS-CNN中包含了一个可扩展的结构，因此我们的DSCNN方法的计算复杂度可以根据不断变化的计算资源进行调整。最后，实验结果表明，我们的DS-CNN方法在提高HEVC的I帧和B/P帧质量方面是有效的。此外，选择JCT-VC数据库中的赛马（480p）和篮球通行证（240p）作为验证序列.由于DS-CNN-B设计用于增强B/P帧的质量，因此训练序列均由HEVC使用随机存取（RA）。如[14，15]实验中所述，这些基于CNN的方法优于其他传统方法，如[4，6，7]。同样，获得了34500对验证样本。.