Design of complexity-efficient quantizer for video compression
저자
발행사항
Seoul : Sungkyunkwan University, 2022
학위논문사항
Thesis (Ph.D.)-- Sungkyunkwan University : Department of Electrical and Computer Engineering 2022. 8
발행연도
2022
작성언어
영어
주제어
발행국(도시)
서울
형태사항
x, 135 p. : ill., charts ; 30 cm
일반주기명
Adviser: Byeungwoo Jeon
Includes bibliographical reference(p. 120-133)
UCI식별코드
I804:11040-000000171395
DOI식별코드
소장기관
Video compression technologies have been under rapid development in recent years due to the increasing user demand on high-quality and high-resolution video contents in various multimedia applications. The recent international video coding standards, the High Efficiency Video Coding (HEVC) and the Versatile Video Coding (VVC), have achieved remarkable improvement of the video coding efficiency. Targeting on higher compression performance, the direction of new video coding standards development is to adopt more flexible coding structures and advanced coding tools into the new standard, which has also led to significant increase of the complexity.
Among all the coding tools, quantization is an essential part of lossy compression in video coding. The output of quantization process can have direct influence on the compression performance since quantization is the last step before residual coding. To improve the performance of quantization scheme, HEVC and VVC employs soft decision approaches which utilize rate-distortion (RD) model to select optimized quantized levels for each transform block. The usage of soft decision quantizers comes with a great bit-rate reduction compared to conventional hard decision scalar quantizers. However, this also consequently brings heavy computation required for RD cost calculation and comparison between all possible quantization outputs. Thus, the investigations on the appropriate tradeoff between compression performance and complexity of the quantizer is necessary especially for the new generation video coding standards.
In this dissertation, the problem of designing complexity-efficient quantizers for video compression is addressed. Firstly, the background of video compression and the concept of quantization are reviewed. Then, we design several complexity-efficient quantizers based on statistical analysis and machine learning techniques for both the rate-distortion optimized quantization (RDOQ) in HEVC and the dependent quantization (DQ) in VVC. The statistics-based designs utilize the observations from statistical analysis to pre-decide a proper quantized level of some of the transform coefficients under certain conditions so that the correspondent RD cost calculation can be eliminated. In case of the learning-based designs, the machine learning models are trained to mimic the decision making behavior of RD-based soft decision quantization schemes. Thus, the internal stage of RDOQ and DQ can be simplified without sacrificing much coding loss. Besides, an improved hard-decision quantizer that does not depend on RD optimization is also investigated to replace the conventional scalar quantizer to compete the RDOQ with only a much smaller complexity increase. The performance evaluations show that our proposed quantizer designs can achieve a better tradeoff between coding efficiency and complexity compared to the conventional quantizers developed so far.
다양한 멀티미디어 응용에서 고화질 및 고화질의 동영상 콘텐츠에 대한 사용자 요구가 증가함에 따라 최근 몇 년간 동영상 압축 기술이 빠르게 발전하고 있다. 부호화 기술 HEVC(High Efficiency Video Coding) 및 VVC(Versatile Video Coding)와 같은 최근 국제 비디오 표준기술의 발전에 의하여 비디오 부호화 효율이 크게 향상되었다. 더 높은 압축 성능을 목표로 하는 새로운 비디오 부호화 표준 기술 개발의 방향으로는 더 유연한 부호화기 구조와 고급 부호화 기술을 새로운 표준에 채택하는 것 이였으며, 동시에 복잡성도 크게 증가시켰다.
모든 비디오 압축 부호화 기술 중에서 양자화는 손실 압축 성능을 가르는 중요한 부분이다. 양자화가 잔차 부호화 이전의 마지막 단계이기 때문에 양자화 프로세스의 출력은 압축 성능에 직접적인 영향을 미칠 수 있다. HEVC 및 VVC는 양자화 방식의 성능을 향상시키기 위해 각 변환 블록에 대해 최적화된 양자화 레벨을 선택하는 방법으로 비율 -왜곡(Rate-Distortion) 모델을 사용하는 연판정 양자화기를 (soft-decision quantizer) 사용한다. 연판정 양자화기를 사용하면 기존의 경판정 스칼라 양자화기에 (hard-decision scalar quantizers) 비해 비트율이 크게 감소한다. 그러나 결과적으로 RD 비용 계산 및 가능한 모든 양자화 출력 간의 비교과정을 필요로 하기 때문에 계산 량이 증가되어 복잡도 증가를 야기시킨다. 따라서 국제 표준 부호화 기술에 대해서 압축 성능과 양자화기의 복잡성 사이의 적절한 절충에 대한 대안이 필요하다.
본 학위 논문에서는 비디오 압축을 위한 복잡도 효율적인 (complexity-efficient) 양자화기를 설계하는 문제를 다룬다. 먼저 영상 압축의 배경과 양자화의 개념을 살펴본다. 그런 다음 HEVC 및 VVC 기술을 적용하였을 때의 부호화 데이터의 통계 분석 및 기계 학습을 기반으로 복잡도 효율적인 양자화기를 소개한다. 통계 기반 설계는 특정 조건에서 변환 계수의 적절한 양자화된 레벨을 미리 결정하기 위해 통계 분석결과를 활용하여 해당 RD 비용 계산이 제거될 수 있도록 한다. 학습 기반 설계의 경우 기계 학습 모델은 RD 기반 연판정 양자화 방식의 의사 결정 동작을 모방하도록 훈련되기 때문에 연판정 양자화기의 내부 프로세스는 많은 부호화 손실을 희생하지 않고 단순화될 수 있다. 더 나아가서, 기존의 스칼라 양자화기를 대체하기 위해 RD 최적화에 의존하지 않는 개선된 경판정 양자화기 또한 설계되었다. 제안된 양자화기는 HEVC에 사용된 연판정 양자화기와 경쟁하도록 설계되었지만 복잡성 증가는 훨씬 적다. 성능 평가는 본 논문에서 제안한 양자화기 설계가 종래의 양자화기에 비해 코딩 효율성과 복잡성 사이에서 더 나은 균형을 달성할 수 있음을 보여준다.
분석정보
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)