Nghiên cứu
Tối ưu hóa tỷ lệ méo hình cho các chỉ số chất lượng ảnh toàn tham chiếu bằng ước tính Hessian ngẫu nhiên
(giờ Việt Nam)
Tóm tắt AI
Nghiên cứu giới thiệu IDQD-RDO, phương pháp sử dụng ước tính Hessian ngẫu nhiên để tối ưu hóa các chỉ số chất lượng ảnh như MS-SSIM và LPIPS trong mã hóa VVC, giúp tiết kiệm 14.2-36.7% BD-rate mà không cần thay đổi bộ giải mã.
Chính văn · Bản dịch AI
Tóm tắt: Các bộ giải mã video dựa trên khối lựa chọn tham số mã hóa dựa trên đầu vào bằng cách tối ưu hóa sự đánh đổi giữa tốc độ và độ méo. Lựa chọn độ méo thông thường, tổng bình phương sai số (SSE), giúp đơn giản hóa việc chọn tham số: SSE là tổng các SSE theo từng khối, vì vậy tối ưu hóa tốc độ-độ méo (RDO) có thể xử lý các khối một cách độc lập. Thay vào đó, các chỉ số đánh giá chất lượng hình ảnh tham chiếu đầy đủ (FR-IQA) như MS-SSIM hoặc LPIPS thường phù hợp với hệ thống thị giác con người hơn là SSE, nhưng chúng không thể được sử dụng trong vòng lặp: chúng không phân tách theo khối và thường yêu cầu hình ảnh đã giải mã hoàn toàn làm đầu vào. Dựa trên các kết quả hiện có về bậc hai hóa chỉ số (metric quadratization), chúng tôi xấp xỉ một lớp rộng các chỉ số FR-IQA bằng độ méo bậc hai phụ thuộc vào đầu vào (IDQD), với ma trận dạng bậc hai được suy ra từ Hessian của chỉ số được đánh giá tại video nguồn. Để làm cho độ méo có thể tính toán theo khối, chúng tôi đề xuất hai cách xấp xỉ ma trận Hessian: 1) giữ nguyên dạng khối đường chéo, và 2) chỉ giữ lại đường chéo của nó. Chúng tôi đề xuất các bộ ước lượng cho cả hai cách chỉ yêu cầu các tích ma trận-vectơ với Hessian thu được bằng vi phân tự động. Trên năm chỉ số cho Kodak và CLIC trong VVC, IDQD-RDO đạt mức tiết kiệm BD-rate từ 14,2-36,7% theo chỉ số mục tiêu mà không cần thay đổi bộ giải mã và phát sinh thêm 10-30% độ phức tạp mã hóa.
| Chủ đề: | Xử lý Hình ảnh và Video (eess.IV) |
| Trích dẫn là: | arXiv:2609.30077 [eess.IV] |
| (hoặc arXiv:2609.30077v1 [eess.IV] cho phiên bản này) | |
| https://doi.org/10.48550/arXiv.2609.30077 DOI do arXiv cấp thông qua DataCite (đang chờ đăng ký) |
Lịch sử gửi bài
Từ: Samuel Fernández [xem email] [v1] Thứ Năm, 24 tháng 9 năm 2026 16:29:05 UTC (544 KB)
Bài viết được AI dịch và tổng hợp tự động từ HuggingFace Daily Papers (bài nghiên cứu nổi bật của cộng đồng). Liên kết bài gốc ở phía trên. Dữ liệu đồng bộ qua API công khai được ghi nguồn tại AI HOT (canonical) ↗. AIHOT.vn luôn dẫn nguồn đầy đủ — nếu bạn thấy điểm cần chỉnh sửa, hãy gửi ý kiến tại trang phản hồi.