[논문]HEVC를 위한 깊이 영상 고속 모드 결정 방법

윤다현; 호요성

doi:10.7840/kics.2012.37a.1.51

HEVC를 위한 깊이 영상 고속 모드 결정 방법
Fast Mode Decision Method for HEVC in Depth Video 원문보기

한국통신학회논문지. The journal of Korea Information and Communications Society. 무선통신, v.37A no.1, 2012년, pp.51 - 56

윤다현 (광주과학기술원 실감방송연구센터) , 호요성 (광주과학기술원 실감방송연구센터)

초록
AI-Helper

HEVC는 성능 향상과 더불어 복잡도 또한 크게 증가했다. 본 논문은 깊이 영상의 복잡도를 줄이기 위해 깊이 영상의 특성을 이용한 조기 SKIP과 인터 예측의 고속 모드 결정 알고리즘을 제안한다. 이 알고리즘은 동차 영역에서 SKIP 모드가 자주 발생한다는 점을 이용해 설계됐다. 동차 영역의 SKIP에서 발생한 비용값이 양자화 매개변수에 적응적인 문턱값과, 평균 SKIP의 비용값의 곱보다 작다면 조기 SKIP 모드를 발생시킨다. 그렇지 않은 경우 인터 $2N{\times}2N$의 비용값을 구한 뒤 인터 $2N{\times}2N$의 움직임 벡터가 0이고 부호화 단위의 분산이 인터 예측을 위한 문턱값보다 작다면 인터 $2N{\times}N$과 인터 $N{\times}2N$의 탐색을 수행하지 않는다. 조기 SKIP과 인터 예측을 위한 문턱값은 실험을 통해 결정이 됐고, 실험 결과는 기존의 HEVC와 비교하였을 때 BDBR이 0.24%, BDPSNR이 -0.011 dB로 비트율과 화질의 큰 변화 없이 부호화 시간은 최소 39%에서 최대 82%까지 줄였다.

Abstract ▼ AI-Helper

In order to reduce the complexity of HEVC, we propose a fast mode decision algorithm in depth videos. Since almost CU mode is decided as SKIP mode in depth-continuity regions, we design the algorithm using the property of depth videos. If cost of SKIP is smaller than the multiplication between the threshold for EarlySKIP and average cost of SKIP, EarlySKIP is performed. Otherwise, we calculate Inter $2N{\times}2N$. Then, if motion vector of Inter $2N{\times}2N$ is 0 and variance of CU is smaller than threshold for inter, we skip Inter $2N{\times}N$, Inter $N{\times}2N$. Experimental results show that our proposed algorithm reduces the encoding time from 39% to 82% with negligible PSNR loss and bitrate increase.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

264/AVC와 비교해 고해상도 영상 부호화 효율을 두 배 이상 향상시키기 위해 비디오 코덱 전반에 걸쳐 새로운 부호화 알고리즘들이 제안됐다. HEVC는 낮은 복잡도와 높은 효율의 부호화를 통해 고해상도의 비디오를 모바일과 실시간 통신환경에서 이 용 가능하게 하는 저복잡도 응용과 추가적인 복잡도와 부호화 효율을 통해 높은 성능의 연산을 수행하는 고성능 응용을 목적으로 한다.
본 논문에서는 깊이 영상을 빠르게 부호화를 위해 다음과 같은 알고리즘을 제안한다. 첫 단계는 부호화 단위에 대한 분산을 계산한다.
본 논문에서는 이러한 문제점을 개선하기 위해 부호화 효율을 떨어트리지 않고 부호화 시간을 줄이는 알고리즘을 제안한다.

가설 설정

8) 인트라 N×N의 비용값을 계산하고 모드 결정 과정이 종료된다. 9) 부호화 단위는 재귀함수 구조이다. 동일한 함수를 이용하지만 부호화 단위의 사이즈를 절반으로 줄여 호출한다.

제안 방법

평가 결과를 통해, JCT-VC는 제안된 기고서들 중 좋은 성능을 보인 기술들을 조합해 참조 소프트웨어인 TMuC(Test Model under Consideration)^[2]을 만들었다. 2010년 7월 제네바에서 열린 두 번째 회의에서 TMuC에 들어간 기술들의 성능을 검증해 다음 미팅까지 HM(HEVC Test Model)을 만들기로 결정했다. 2010년 10월에 열린 광저우 회의에서 TMuC에 들어간 기술들의 절반을 제거해 HM 1.
을 비교한 결과이다. Peng이 제안한 알고리즘은 JMVC기반으로 설계가 되어있다. 하지만 아직까지 HEVC기반의 영상 알고리즘이 제안되지 않았기 때문에 JMVC기반의 알고리즘을 HEVC에 맞게 적용을 하였다.
하지만 아직은 부호화 효율을 증가시키는 방향으로 연구가 진행 중이고, 깊이 영상만을 이용한 고속화 알고리즘은 아직 제안되지 않았다. 동차 영역과 비동차 영역 각각의 모드 분포 특성이 다른 점을 이용해, 고속 깊이 영상 모드 결정 알고리즘을 제안했다. 제안한 알고리즘은 합성 영상의 화질과 비트율의 큰 증가 없이 부호화 시간을 평균 57%까지 줄였다.
제안한 알고리즘에 대한 효율을 평가하기 위해 표 2와 같은 실험 환경을 이용했다. 성능 비교에는 Bjontegarrd Delta (BD) ^[9]를 이용해 부호화 효율을 측정했다. 본 알고리즘을 HEVC 참조소프트웨어인 HM 3.
조기 SKIP을 이용할 경우 추가적인 비트증가가 있지만 무시할 수 있음만큼 작고, 상당한 시간을 절약할 수 있다. 예측의 정확도를 높이기 위해 문턱값을 수정하였고, 동차 영역에서만 조기 SKIP을 이용하도록 하였다. 조기 SKIP의 조건을 만족시키지 못하면 인터 2N×2N 에 대해 비용값을 계산하고, 여기서 결정된 움직임 벡터와 왜곡값이 0이고 분산이 처음에 정의한 문턱값보다 작은 경우에는 인터 2N×N, 인터 N×2N, 인터 N×N에 대한 비용값 계산을 수행하지 않는다.
, 2010년 4월 제1차 JCT-VC 회의에서 CfP에 대한 광범위한 평가가 있었다. 평가 결과를 통해, JCT-VC는 제안된 기고서들 중 좋은 성능을 보인 기술들을 조합해 참조 소프트웨어인 TMuC(Test Model under Consideration)^[2]을 만들었다. 2010년 7월 제네바에서 열린 두 번째 회의에서 TMuC에 들어간 기술들의 성능을 검증해 다음 미팅까지 HM(HEVC Test Model)을 만들기로 결정했다.
Peng이 제안한 알고리즘은 JMVC기반으로 설계가 되어있다. 하지만 아직까지 HEVC기반의 영상 알고리즘이 제안되지 않았기 때문에 JMVC기반의 알고리즘을 HEVC에 맞게 적용을 하였다. CU의 크기가 32보다 작은 경우에 대해서만 Peng의 알고리즘을 적용하였다.
표 6는 합성된 영상과 원본영상의 차이값을 나타냈다. 합성 소프트웨어인 VSRS ^[11]을 이용해 중간 영상을 생성하였다. 제안한 알고리즘 모두 최소 -0.

이론/모형

하지만 아직까지 HEVC기반의 영상 알고리즘이 제안되지 않았기 때문에 JMVC기반의 알고리즘을 HEVC에 맞게 적용을 하였다. CU의 크기가 32보다 작은 경우에 대해서만 Peng의 알고리즘을 적용하였다. Peng의 알고리즘은 동차 영역과 비동차 영역을 나누는데 있어서, 고정 문턱값 30을 이용한다.

성능/효과

제안하는 알고리즘은 3단계로 구성되어 있다: 1) 최종 모드로 결정된 SKIP의 평균 비용값과 결정된 문턱값의 곱이 현재 부호화 단위의 SKIP 비용값보다 작은 경우에는 조기 SKIP으로 결정해 인트라와 인터 예측을 수행하지 않는다. 2) 인터 2N×2N에 대한 예측을 수행한다.
1) SKIP모드와 인터 2N×2N에 대한 비용을 구한다. 2) 부호화 단위의 깊이가 최대라면 3번으로 이동하고 그렇지 않을 때는 4번으로 이동한다 3) 인터 N×N의 비용값을 구한다. 4) 인터 N×2N을 계산한다.
3) 인터 2N×2N의 움직임 벡터가 0이고 인터 연산에 대한 문턱값보다 부호화 단위의 분산이 작은 경우 인터 2N×N, 인터 N×2N, 인터 N×N 예측을 수행하지 않는다.
특정 결과에서는 PSNR이 증가되는 모습을 볼 수 있는데, 그 이유는 기존의 방법을 건너뛰는 과정에서 PSNR의 열화가 발생하였더라도, 이후에 ALF와 같이 이미 보간된 영상의 화질을 개선하기 위한 추가적인 작업이 수행됨과 동시에 추가적인 비트를 동반하게 된다. PSNR을 고정시켰을 때의 비트 증가율을 나타내는 BDBR이 0.24% 비트율을 고정시켰을 때의 PSNR을 나타내는 평균 BDPSNR이 -0.011로 부호화 화질에 큰 변화가 없이 비트 증가율도 작음을 알 수 있다. 그에 반해 부호화 시간이 평균 59%의 시간이 절약되는 것을 볼 수 있다.
Peng의 알고리즘은 동차 영역과 비동차 영역을 나누는데 있어서, 고정 문턱값 30을 이용한다. Peng이 제안한 알고리즘에 비해서 절약되는 시간은 다소 작지만, BDBR과 BDPSNR측면에서는 Peng이 제안한 알고리즘에서는 추가적인 비트가 5%이상 사용되는 것에 반해 제안하는 알고리즘은 1%미만의 비트변화가 있다. 따라서 제안한 알고리즘은 비트율과 PSNR의 큰 변화없이 시간을 최대 76%까지 줄이는 것을 알 수 있다.
Peng이 제안한 알고리즘에 비해서 절약되는 시간은 다소 작지만, BDBR과 BDPSNR측면에서는 Peng이 제안한 알고리즘에서는 추가적인 비트가 5%이상 사용되는 것에 반해 제안하는 알고리즘은 1%미만의 비트변화가 있다. 따라서 제안한 알고리즘은 비트율과 PSNR의 큰 변화없이 시간을 최대 76%까지 줄이는 것을 알 수 있다.
표 3는 제안한 알고리즘에 대한 실험 결과를 보여준다. 비트율 증가 폭이 평균 0.14%로 최소 -2.01 비트부터 1.33비트까지 발생하였다. 또한 PSNR은 평균 0.
01dB까지 무시할 만큼 작은 차이값을 보여준다. 이 결과는 제안한 알고리즘이 합 성 화질에 영향을 미치지 않는다는 것을 보여준다.
합성 소프트웨어인 VSRS ^[11]을 이용해 중간 영상을 생성하였다. 제안한 알고리즘 모두 최소 -0.04dB에서 최대 0.01dB까지 무시할 만큼 작은 차이값을 보여준다. 이 결과는 제안한 알고리즘이 합 성 화질에 영향을 미치지 않는다는 것을 보여준다.
동차 영역과 비동차 영역 각각의 모드 분포 특성이 다른 점을 이용해, 고속 깊이 영상 모드 결정 알고리즘을 제안했다. 제안한 알고리즘은 합성 영상의 화질과 비트율의 큰 증가 없이 부호화 시간을 평균 57%까지 줄였다. 특히 단순한 깊이 영상에서는, 제안하는 방법을 이용하면 최대 82%까지 줄일 수 있다.
제안한 알고리즘은 합성 영상의 화질과 비트율의 큰 증가 없이 부호화 시간을 평균 57%까지 줄였다. 특히 단순한 깊이 영상에서는, 제안하는 방법을 이용하면 최대 82%까지 줄일 수 있다.

질의응답

핵심어	질문	논문에서 추출한 답변
	HEVC는 무엇이 크게 증가했는가?	HEVC는 성능 향상과 더불어 복잡도 또한 크게 증가했다. 본 논문은 깊이 영상의 복잡도를 줄이기 위해 깊이 영상의 특성을 이용한 조기 SKIP과 인터 예측의 고속 모드 결정 알고리즘을 제안한다.
	(본 논문에서)깊이 영상의 복잡도를 줄이기 위해 무엇을 하였는가?	HEVC는 성능 향상과 더불어 복잡도 또한 크게 증가했다. 본 논문은 깊이 영상의 복잡도를 줄이기 위해 깊이 영상의 특성을 이용한 조기 SKIP과 인터 예측의 고속 모드 결정 알고리즘을 제안한다. 이 알고리즘은 동차 영역에서 SKIP 모드가 자주 발생한다는 점을 이용해 설계됐다.
	깊이 영상의 특성을 이용한 조기 SKIP과 인터 예측의 고속 모드 결정 알고리즘은 무엇을 이용해 설계되었는가?	본 논문은 깊이 영상의 복잡도를 줄이기 위해 깊이 영상의 특성을 이용한 조기 SKIP과 인터 예측의 고속 모드 결정 알고리즘을 제안한다. 이 알고리즘은 동차 영역에서 SKIP 모드가 자주 발생한다는 점을 이용해 설계됐다. 동차 영역의 SKIP에서 발생한 비용값이 양자화 매개변수에 적응적인 문턱값과, 평균 SKIP의 비용값의 곱보다 작다면 조기 SKIP 모드를 발생시킨다.

참고문헌 (11)

"Joint Call for Proposals on Video Compression Technology," ISO/IEC JTC1/SC29/WG11/N11113, ITU-T Q6/16, VCEG-AM91, Jan. 2010.
"Test Model under Consideration," ITU-T SG16 WP3 and ISO/IEC JTC1/SC29/WG11, JCTVC-A205, April 2010.
HEVC Reference Software HM 2.0 Available from:https://hevc.hhi.fraunhofer.de/svn/svn_HE VCSoftware/branches/HM-2.0-dev/
HEVC Reference Software HM 3.3 Available from:https://hevc.hhi.fraunhofer.de/svn/svn_HEVCSoftware/branches/HM-3.0-dev/
H. Oh, Y. Ho, "H.264/AVC-Based depth map sequence coding using motion information of corresponding texture video," Lecture Notes in Computer Science, pp. 898-907 Vol. 4319, Dec. 2006.
K. Shin, S. Chun, and K. Chung, "A fast mode prediction of multi-view video coding using region analysis," Digital Content, Multimedia Technology and its Applications, pp. 87-90, Aug. 2010.
W. Zhu, W. Jiang, and Y. Chen, "A fast inter mode decision for multiview video coding," Information Engineering and Computer Science, pp. 1-4, Dec. 2009.
M. Kang, Y. Ho, "Depth video coding using adaptive geometry based intra prediction for 3D video system," IEEE Transactions on Multimedia, pp. 001-008, July 2010.
"Improvements of the BD-PSNR Model," ITU-T SG16/Q6, VCEG-AI11, July 2008.
Z. Peng, M. Yu, G. Jiang, Y. Si, and F. Chen, "Virtual view synthesis oriented fast depth video encoding algorithm," International Conference on Industrial and Information Systems, pp. 204-207, July 2010.
"View Synthesis Algorithm in View Synthesis Reference Software 2.0 (VSRS 2.0)," ISO/IEC JTC1/SC29/WG11 MPEG2009/M16090, Feb. 2009.

저자의 다른 논문 :

LOADING...

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

HEVC를 위한 깊이 영상 고속 모드 결정 방법
Fast Mode Decision Method for HEVC in Depth Video 원문보기

초록
AI-Helper

Abstract ▼ AI-Helper

주제어

AI 본문요약
AI-Helper

문제 정의

가설 설정

제안 방법

이론/모형

성능/효과

질의응답

참고문헌 (11)

이 논문을 인용한 문헌

저자의 다른 논문 :

연구과제 타임라인

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

HEVC를 위한 깊이 영상 고속 모드 결정 방법 Fast Mode Decision Method for HEVC in Depth Video 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

Abstract ▼ AI-Helper

주제어

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

가설 설정

제안 방법

이론/모형

성능/효과

질의응답

참고문헌 (11)

이 논문을 인용한 문헌

저자의 다른 논문 :

호요성 (143)

연구과제 타임라인

전체(0) 논문(0) 특허(0) 보고서(0)

전체(0) 논문(0) 특허(0) 보고서(0)

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

HEVC를 위한 깊이 영상 고속 모드 결정 방법
Fast Mode Decision Method for HEVC in Depth Video 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper