近日，2003网站太阳集团李躍博士在高效視頻編碼方向先後在SCI期刊《Signal Processing: Image Communication》和《通信學報》上發文。

作為高效視頻編碼（HEVC）标準的擴展，3D-HEVC需要對多個紋理視圖和深度圖進行編碼，從而繼承了與HEVC相同的四叉樹編碼結構。“Self-learning residual model for fast intra CU size decision in 3D-HEVC ”一文分别針對紋理視圖和深度圖的編碼提出了現有的快速幀内預測方法。為了進一步降低3D-HEVC的編碼複雜度，針對紋理視圖和深度圖的幀内編碼，提出了一種基于自學習殘差模型的快速編碼單元（CU）大小決策方法。“基于學習模型的3D-HEVC提前Merge模式終止算法” 首先提取Merge模式編碼後的殘差信号作為特征信息;然後,根據當前編碼幀内已經編碼的編碼單元(CU)的最優Merge模式殘差信号建立學習模型;最後,提取當前CU的Merge模式的殘差信号,并且利用學習模型預測Merge模式是否為最優模式。實驗結果表明,提出的提前Merge模式終止算法分别将3D-HEVC紋理視點和深度圖編碼的時間降低了41.9%和24.3%,且編碼性能的降低幾乎可忽略不計。相較于現有的提前Merge模式算法,提出的提前Merge模式終止算法能進一步降低3D-HEVC的編碼時間,并且設計簡單,易于集成到3D-HEVC測試模型。 

學者介紹

李躍博士出生于1988年，由湖南大學和新加坡南洋理工大學聯合培養，2018年以第二層次優秀人才（教授級）引進加入2003网站太阳集团人工智能系，迄今在《IEEE Transactions on Circuits and Systems for Video Technology》以及《IEEE Transactions on Multimedia 》等國際著名期刊上發表SCI收錄論文近二十篇。