基於深度學習方法降低HEVC編碼端複雜度

HEVC（High Efficiency Video Coding, H.265）比起上一代視訊編碼H.264在影像方塊尺寸以及預測模式的選擇有更多的彈性，解碼出來的畫面品質可以進一步提高，甚至在高品質視訊上可以比H.264有更低的位元率表現，但是相對地計算複雜度也會相當可觀，要應用在生活上仍有很大的限制，花費計算資源相當龐大的部分如CU的切割、內部預測模式的選擇、PU的切割等。許多的研究都在嘗試降低每個部分的複雜度，也要求在失真度和編碼位元率上的表現仍有一定的水準，但綜合性考量的編碼架構研究甚少，只提出某一部份功能的改善，所以我們提出深度學習的網路架構，嘗試的綜合CU和PU的切割，甚至能提早預判預測模式，以加速編碼的執行時間，期望藉由降低計算複雜度，設計的編碼演算法可以很好的執行在計算資源不是很高的硬體，有加速編碼處理的效果，但仍不失一般編碼品質標準。