BVI-DVC

与传统方法相比，深度学习方法越来越多地应用于视频压缩算法的优化，并且可以实现显着增强的编码增益。这种方法通常采用卷积神经网络 (CNN)，这些网络在内容覆盖范围相对有限的数据库上进行训练。在这项工作中，提出了一个新的广泛且具有代表性的视频数据库 BVI-DVC，用于训练基于 CNN 的视频压缩系统，特别强调增强传统编码架构的机器学习工具，包括空间分辨率和位深度上采样、后期-处理和环路滤波。 BVI-DVC 包含 800 个序列，具有从 270p 到 2160p 的各种空间分辨率，并且已经针对四种不同的编码工具在十种现有网络架构上进行了评估。实验结果表明，在相同的训练和评估配置下，与三个现有（常用）图像/视频训练数据库相比，该数据库在编码增益方面产生了显着改进。基于 PSNR 的评估和基于 VMAF 的评估，通过对所有测试的编码模块和 CNN 架构使用建议的数据库，整体额外的编码改进高达 10.3% 和 8.1%。