VCIP2021:利用解码信息进行超分辨率

本文来自VCIP2021《CNN-based Super Resolution for Video Coding Using Decoded Information》

简介

---

随着高分辨率视频的增多，给带宽受限的情况下视频传输带来了巨大的挑战。为了解决这个问题，可以采用重采样的编码方法，如Fig.1，视频在编码前先进行下采样，然后编码低分辨率的视频，解码端在解码后再进行上采样恢复原来的分辨率。AV1中就存在对下采样的帧进行编码在解码端再进行上采样的模式。VVC中也支持RPR。

随着基于CNN的超分辨（SR）的发展，它在视频编码中有巨大潜力。论文提出了在视频编码中结合编码信息的SR。在已有的研究中SR和编码器通常都是作为相互独立的部分，而论文提出在SR中不仅使用重建信息还使用了预测信息、QP等编码信息。

模型设计

---

由于亮度和色度的不同特点，为亮度和色度分别设计SR模型。

Fig.2是亮度模型的结构，输入包括重建信息、预测信息和QP map，基准模型选择single-scale EDSR，由于每个卷积层仅有64个特征通道所以模型没有残差缩放层。图中RB是残差块结构，共有16个。最后一个卷积层有4个通道，然后通过shuffle层生产高分辨率重建图像。

Fig.3是色度模型的结构，和亮度模型的主要区别在于输入，为了充分利用纹理信息亮度重建信息也作为输入。其中亮度重建信息要通过步长为2的卷积层下采样到和色度同样的分辨率。模型输入还包括色度U的重建信息、色度V的重建信息以及QP map，输入中并不包含预测信息。

实验结果

---

数据集

使用DIV2K数据集训练模型，图像转换为YUV420格式，使用VTM11.0在RPR配置下编码，QP={22，27，32，37，42}，训练图像在编码前先进行2倍下采样，然后用解码后的低分辨率图像及对应的原始分辨率图像训练。

实验配置

使用PyTorch框架训练模型，采用Tesla V-100 GPU训练，mini-batch size设置为16，使用Adam优化器学习率为le-4，每200轮按0.5的衰减因子缩小学习率。

实验结果

编码器采用All Intra配置，QP={22，27，32，37，42}，结果如表1所示，Fig.4是各序列的RD曲线。增益主要来自低码率部分，这表明该方法对于低带宽场景效果更好。

感兴趣的请关注微信公众号Video Coding