H.266:模板匹配的运动矢量生成(FRUC)
来源:互联网 发布:知行学院地址 编辑:程序博客网 时间:2024/05/16 17:34
本文译自JVET-D10001的2.3.7小节。
模板匹配的运动矢量生成(PMMVD)模式是一种特殊的基于FRUC技术的模式。在这种模式下,块的运动信息无须标记,而是在解码端生成。当CU的merge模式flag为真时,会标记FRUC的flag。当FRUC的flag为假时,会标记merge索引,且使用常规merge模式。当FRUC的flag为真时,会标记一个额外的FRUC模式flag来表明使用哪一种方法(双边匹配或模板匹配)来产生块的运动信息。
在运动衍生过程中,一个基于双边匹配或模板匹配的整个CU的初始的运动矢量首先被产生出来。首先,检查CU的merge列表,选择最小匹配代价的候选作为起始点。然后围绕起始点做基于双边匹配或模板匹配的搜索,最小匹配代价的MV结果作为整个CU的MV。随后,以前面产生的CU运动矢量作为起始点的运动信息在子块级被进一步修正。
如图17所示,沿着当前块的运动轨迹在两个图像中找出最佳的两个匹配块,双边匹配被用来产生当前块的运动信息。在连续运动轨迹的假设下,指向两个参考块的运动矢量MV0和MV1应该与时域距离成正比,也就是与当前帧和两个参考帧之间的距离TD0和TD1成正比。特例是,当前帧在两个参考帧之间,且到两个参考帧之间的距离相等,双边匹配变成基于镜像的双向MV。
图17
如图18所示,通过找到当前帧和参考帧当前块左边和上边的最佳匹配模板,产生当前块的运动信息。
图18
在编码端,是否对CU使用FRUC merge模式的判决是基于正常的merge候选的率失真代价选择。也就是说,CU的两种匹配模式(双边匹配和模板匹配)都会通过率失真代价选择被检查。两者中最小代价模式进一步跟其他CU模式比较。如果一种FRUC匹配模式是最有效的一个,当前CU的FRUC标记置为真,使用相应的匹配模式。
- H.266:模板匹配的运动矢量生成(FRUC)
- H.266中的FRUC模式
- H.266:更高的运动矢量存储精度
- H.266:自适应运动矢量精度(AMVR)
- 一段小小的C++代码(从保存H.264运动矢量过程中想到的)
- H.264中最优运动矢量残差的输出
- 基于模板匹配的运动目标跟踪
- H.264笔记之四--运动矢量预测
- 从下象棋的角度来类比浅析H.264中的像素残差和运动矢量残差
- 从下象棋的角度来类比浅析H.264中的像素残差和运动矢量残差
- Mpeg2Peter中运动矢量的获取
- HEVC代码学习16:运动矢量MV的数据结构
- Matlab模板匹配实现图像运动估计(频域实现)
- [opencv]模板匹配算法(单图像模板匹配和基于模板匹配的目标跟踪)
- [opencv]模板匹配算法(单图像模板匹配和基于模板匹配的目标跟踪)
- 运动模板检测(摄像头)
- matlab 画出运动矢量图形
- ffmpeg获取运动矢量问题
- Fragment完全解析系列(一)基础概念
- ajax与HTML5 history pushState/replaceState实例(pjax)
- SDWebImage原理
- R文件不能自动生成的原因之一
- python面试
- H.266:模板匹配的运动矢量生成(FRUC)
- 驱动
- linux 常用命令
- UVa122 二叉树的层次遍历
- 大数据资料数据集
- 轻快pdf阅读器 电子书阅读软件电脑版
- ITU-RBT.656视频标准接口
- linux机器一般存储路径
- UIKeyboardType 键盘弹出样式