선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
제안 방법
- 1/2 화소 단위에서 찾아진 점 주위의 1/4 화소단위의 8개의 점 중, SAD 오차 표면특성을 이용하여, 평균적으로 3개의 점에서 탐색을 하였다. 다음 그림 5와 같이 1/2 화소 단위에서 찾은 위치가 0-0.
- 이는 더 작은 화소 단위인 1/2 화소 단위에서 찾아진 SAD 방향이 정수 화소에서의 방향 보다 1/4 화소단위에서의 움직임 벡터를 탐색하는데 있어 더 큰 영향을 주기 때문이다. 1/2화소와 1/4 화소 단위에서의 SAD 값 연산 시, 매 화소 값마다가 아닌 블록 단위의한 행을 기준으로 계산하며, 계산 도중 최소 SAD값을 넘는값이 나올 때는 연산을 중지함으로써 연산과정에서 연산 효율을 높였다. 제안한 방법으로의 1/2화소와 1/4 화소단위에서의 움직임 추정은 탐색 점을 줄여 연산의 복잡도를 줄이면서 빠른 처리가 가능한 결과를 확인하였다.
- 정수배 화소 단위에서 SAD 값이 가장 작은점 (x,y)를 구한다(그림 4 참조). SAD 값의 분포특성을 이용하여 의 ±1 내에 있는 이웃 정수 화소 점에서 SAD를 구하여 비교한다. 정수 화소 단위에서 두 번째로 SAD가 작은 점을 찾는다.
- 본 논문에서 제안한 방식의 성능을 테스트하기 위해 QCIF 포맷의 시퀀스 Akiyo, Salesman, Claire, Hall, News를 H.264 부호화 환경 아래에서 실험 하였다. 각각의 영상이 움직임 추정 과정에서 사용된 블록의 크기는 4x4, 4x8, 8x4, 8×8, 16x8, 8x16, 16x6의 7종류의 가변 블록을 지원하였으며, 탐색 영역은 33×33 사이즈가 사용되었다.
- 본 논문에서는 1/2과 1/4 화소단위에서의 움직임 추정 시, 탐색 점을 8개에서 3개로 줄여 기존의 8개의 점에서의 움직임 추정 방법보다 연산시간을 줄이는 낮은 복잡도의 알고리듬을 제안하였다. 제안한 방법에서는 탐색 영역 내에서의 블록단위당 오차추정 값들의 분포 특성을 이용하여 가장 작은 오차 값을 갖는 점의 ±1 화소내에서 두 번째로 작은 오차 값이 분포되어 있다는 가정 하에 두 번째로 작은 오차 값을 찾아 그 방향에서만 움직임 추정을 하여 기존 알고리듬 보다 인코더 처리과정 에서 20%이상의 연산시간이 감소하는 성능을 보였다.
- 본 논문에서는 그림 1에서와 같은 SAD 오차표면의 포물선 분포 특징을 이용하여, 정수화소 단위에서 가장 작은 SAD를 갖는 점 주위의 정수 화소 8점에서 두 번째로 작은 SAD를 갖는 점을 찾아, 그 방향으로의 부화소 단위의 움직임 벡터 값을 찾도록 한다. 따라서 1/2 화소와 1/4 화소 단위에서의 움직임 벡터를 정수 화소단위의 SAD값 위치를 통해 구한다.
- 하였다. 압축효율이 뛰어난 H.264 인코더의 주된 연산을 차지하는 움직임 추정 과정에서 보다 효율적인 처리가 가능하도록 낮은 복잡도의 1/2 화소와 1/4화소 단위에서의 움직임추정 방법을 제안하였다. 이는 SAD의 오차 표면 특성과 화소의 보간 특성을 이용하여 부 화소 단위에서의 오차 값이 작은 방향을 예측하여 움직임벡터를 찾는 방법이다.
- 따라서 1/2 화소는 보간 하려는 화소 양 옆의 점이 가장 큰 영향을 미친다는 것을 발견할 수 있었다. 위의 두 가지 특성을 이용하여 SAD가 가장 작은 위치와 SAD가 두 번째로 작은 위치 사이의 1/2 화소와 1/4 화소에서의 움직임추정을 제안 하였다. 즉, 기존의 방법이 1/2과 1/4 화소단위에서 각각 8개의 점을 탐색 하던 것을 평균 3점 탐색으로 줄여서 움직임 추정 과정에서의 연산의 복잡도를 줄이고, 처리 시간을 빠르게 하는 장점을 가지게 하였다.
- 2 특성으로 인하여 계산 수치와 약간 다를 수 있다. 정수 화소 단위에서는 JM8.2에 구현된 고속 탐색알고리즘을 그대로 사용하였고, 1/2과 1/4 화소 단위에서 탐색 점을 줄이는 제안한 방법과 기존의 8개의 화소 위치에서 전부 탐색하는 방법을 비교 하여, 그 결과를 표 3에 정리하였다. 실험 결과, 제안한 알고리듬은 기존알고리듬과 비교해 화질을 판단할 수 있는 PSNR이 O.
대상 데이터
- 264 부호화 환경 아래에서 실험 하였다. 각각의 영상이 움직임 추정 과정에서 사용된 블록의 크기는 4x4, 4x8, 8x4, 8×8, 16x8, 8x16, 16x6의 7종류의 가변 블록을 지원하였으며, 탐색 영역은 33×33 사이즈가 사용되었다. 각 시퀀스는 20 프레임 단위로 실험 하였고, 사용된 서버사양은 CPU는 Opteron 2.
- 비교 결과는 표 4에 나타내었다. 실험에 사용된 시퀀스는 Akiyo, Salesman, Claire, Hall 이고, 각각 100 프레임씩 사용하여 JM8.2상에서 검증하였다. 표 4를 보면, 1/2 화소 단위의 움직임 추정 과정에서, 제안한 3점탐색 방법과 2SS방법은 화질 및 비트율면에서 비슷한 성능을 갖는다.
데이터처리
- 1/2 화소와 1/4 화소 단위에서의 제안한 움직임 추정방법의 효율을 입증하기 위해서, 기존의 8점에서 탐색하는 부 화소 단위에서의 움직임 추정 결과와 제안한 3점탐색 알고리듬의 부 화소 단위에서의 움직임 추정 결과를 비교하였다. 표 3에서 부 화소 단위의 연산처리 시간을 보면 제안한 3점 탐색 알고리듬이 부 화소 단위에서 기존의 8점 탐색 알고리듬보다 약 40%정도의 연산처리시간의 감소가 있었다.
- 제안한 방법에서는 탐색 영역 내에서의 블록단위당 오차추정 값들의 분포 특성을 이용하여 가장 작은 오차 값을 갖는 점의 ±1 화소내에서 두 번째로 작은 오차 값이 분포되어 있다는 가정 하에 두 번째로 작은 오차 값을 찾아 그 방향에서만 움직임 추정을 하여 기존 알고리듬 보다 인코더 처리과정 에서 20%이상의 연산시간이 감소하는 성능을 보였다. 제안한 방법의 성능을 평가하기 위해서 JM8.2상에서 실험결과를 비교하였다[4].
이론/모형
- 실험은 JM8.2 오픈 S* ource 이용하여 구현하였다. JM8.
- 의미한다. 정수화소에서 찾아진 결과의 ±1 거리의 화소 내에서 부 화소(Sub pix이)의 휘도는 식 (2)와 같이 양선형 보간(Bilinear Interpolation) 기법을 이용하여 얻어진다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.