标签：Picture domain HEVC 预测 矩阵 times d0 向量 mode

1.Prediction简介

    在传输能力和存储能力有限的情况下，对流媒体和存储视频的需求越来越大。这差异是研究高压缩效率的视频编码技术的驱动力之一。

   在这方面的一个基准是最先进的高效视频编码(HEVC)标准，它使用基于块的架构。对于每个块，使用预测编码。因此，当一个视频信号的接收器想要重建通过使用已有的信息，对给定块传输的视频内容进行预测信号。

  对于每个块，使用预测编码。因此，当一个视频信号的接收器想要重建通过使用已有的信息，对给定块传输的视频内容进行预测信号。预测信号作为待重构视频信号的第一近似。在第二步中，在预测信号中加入预测残差，生成重构的视频信号。

   产生预测信号的方法有两种:图像帧间预测和图像帧内预测,我们今天主要谈论帧内预测。基于data-driven神经网络的方法对码率带来了较大降低。

2.DESIGN OF THE INTRA PREDICTION MODES

2.1 Generation of the proposed prediction signal

   我们设计的预测执行以下两个关键步骤。首先，从解码后的图像中提取一组特征样本。其次，利用这些特征来选择一种仿射线性组合的预定义图像模式作为预测的信号。

   该文提出的神经网络首先从重构样本

标签：Picture,domain,HEVC,预测,矩阵,times,d0,向量,mode
来源： https://www.cnblogs.com/a-runner/p/15644188.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。