近日，计算机学院李跃博士在高效视频编码方向先后在SCI期刊《Signal Processing: Image Communication》和《通信学报》上发文。

作为高效视频编码（HEVC）标准的扩展，3D-HEVC需要对多个纹理视图和深度图进行编码，从而继承了与HEVC相同的四叉树编码结构。“Self-learning residual model for fast intra CU size decision in 3D-HEVC ”一文分别针对纹理视图和深度图的编码提出了现有的快速帧内预测方法。为了进一步降低3D-HEVC的编码复杂度，针对纹理视图和深度图的帧内编码，提出了一种基于自学习残差模型的快速编码单元（CU）大小决策方法。“基于学习模型的3D-HEVC提前Merge模式终止算法” 首先提取Merge模式编码后的残差信号作为特征信息;然后,根据当前编码帧内已经编码的编码单元(CU)的最优Merge模式残差信号建立学习模型;最后,提取当前CU的Merge模式的残差信号,并且利用学习模型预测Merge模式是否为最优模式。实验结果表明,提出的提前Merge模式终止算法分别将3D-HEVC纹理视点和深度图编码的时间降低了41.9%和24.3%,且编码性能的降低几乎可忽略不计。相较于现有的提前Merge模式算法,提出的提前Merge模式终止算法能进一步降低3D-HEVC的编码时间,并且设计简单,易于集成到3D-HEVC测试模型。

学者介绍

李跃博士出生于1988年，由湖南大学和新加坡南洋理工大学联合培养，2018年以第二层次优秀人才（教授级）引进加入南华大学人工智能系，迄今在《IEEE Transactions on Circuits and Systems for Video Technology》以及《IEEE Transactions on Multimedia》等国际著名期刊上发表SCI收录论文近二十篇。