新一代通用视频编码标准H.266/VVC:现状与发展

相比于上一代标准,新一代通用视频编码标准(H.266/VVC)在同等质量下能够节省大约50%的码率,且适用于多种多样的视频应用场景。论文从H.266/VVC的关键技术出发,对标准的现状、实现和应用发展进行深入探讨。H.266/VVC沿用既往标准中的双层码流体系和混合编码框架,针对帧内预测、帧间预测、变换、量化、环路滤波等所有主要编码模块进行了技术革新,并为屏幕内容视频等应用提供了高效的专用编码工具。H.266/VVC标准目前已处于实用化阶段,官方参考软件VTM和开源编解码器VVenC/VVdeC是目前最具代表性的软件编解码实现。对H.266/VVC的性能分析可以看出:H.266/VVC针对高分辨率视频取得的编码增益更为突出;主要编码工具对性能的贡献通常以复杂度为代价,但也有部分编码工具在提升编码性能的同时可降低整体编码复杂度。H.266/VVC的硬件实现面临诸多挑战,发展明显滞后于软件实现,现有研究主要集中在对具体编码模块的硬件加速方面。H.266/VVC标准发布之后,下一代视频编码标准的发展目前仍围绕混合编码框架进行探索,聚焦在两大方向:超越VVC的增强压缩关注更为先进的、非神经网络的编码工具,基于神经网络的视频编码则探索采用神经网络的编码工具。除此之外,部分或完全跳出现有混合编码框架的端到端视频编码也在飞速发展,未来视频编码标准与神经网络结合成为趋势,但面临着计算资源依赖和稳定结构两方面的考验。

一种基于编码单元快速划分的VVC帧内编码方法

相比于高效视频编码(high efficiency video coding,HEVC)标准,新一代编码标准多功能视频编码(versatile video coding,VVC)引入了很多新的技术,其中包括四叉树(quadtree,QT)和多类型树(multi-type tree,MTT)划分,MTT划分由HEVC中的QT划分延伸而来。新划分方法提高了压缩效率,但导致编码时间急剧增加。为了降低编码复杂度,提出了一种结合深度学习方法和MTT方向早期判决的快速帧内编码算法。首先使用轻量级的卷积神经网络(convolutional neural network,CNN)对QT和部分MTT进行预测划分,其余MTT则采用提前预测MTT划分方向的方法作进一步的优化。实验结果表明,所提方法能够大幅降低编码复杂度,相比于原始编码器的编码时间减少了74.3%,且只有3.3%的码率损失,性能优于对比的方法。

基于LightGBM的H.266/VVC快速帧间块划分算法

新一代视频编解码标准H.266/VVC在多个编码核心模块引入诸多新的技术,旨在提高视频编码的压缩效率,同时也带来复杂度显著增加。在块划分方面,在H.265/HEVC中四叉树划分(QT)的基础上增加了多叉树划分(MT),导致划分情况增多;此外帧间引入众多编码模式,使得确定每个CU的帧间最优模式的计算过程变得更加繁复,这些帧间预测技术极大增加了复杂度,阻碍了其在实际中的应用。因此提出了基于LightGBM的快速帧间块划分算法,通过分析常规的时空以及上下文特性,还引入多个新特征。通过选择大量相关性较强的特征并建多个LightGBM模型,并以此设计了全新的块划分流程,使得整体块划分过程显著缩短。实验结果表明,与H.266/VVC参考软件VTM10.0相比,平均降低33.98%计算复杂度,且BDBR仅增加了1.77%。

多个涵盖VVC标准的专利池的分析与比较

市场上存在多个涵盖VVC标准专利的专利池,VVC专利池的许可面临与HEVC一样的多专利池并存的情况,目前尚未有文章统一比较分析这些专利池。本文分析了多个涵盖VVC标准的专利池,主要比较分析了各专利池的许可人、被许可人、许可专利、许可费用,还分析了多专利池对技术实施的影响。希望通过上述研究,能够为我国企业在VVC技术研发和实施方面提供帮助,鼓励企业更多地参与标准必要专利池的建设。

应用于VVC无损帧内编码的残差二次预测算法

在VVC无损帧内编码中,为了无失真地压缩视频,会跳过变换、量化等操作。未经过变换的帧内预测残差之间,存在较强的空间相关性。基于此,提出了一种残差二次预测(Residual Secondary Prediction,RSP)算法,来进一步降低残差能量。算法对经过帧内预测生成的残差样本进行二次预测,得到二次残差,选择绝对值之和较低的残差组作为最终的预测残差。在VVC测试模型(VTM)12.3上应用RSP算法,相较于基础的无损帧内编码,平均可以节省5.65%的比特率,编码时间增加14.6%,解码时间下降17.5%。RSP以增加较低编码复杂度为代价,高效地提升了VVC无损帧内编码的性能。

基于样本的VVC无损帧内梯度预测算法

为了进一步提升VVC无损帧内编码的性能,在BDPCM编码工具的基础上,利用样本之间的关系,对其进行改进,提出了一种基于样本的梯度预测(Sample-based Gradient Prediction,SGP)算法。在该算法中,预测样本由对应预测方向上的相邻参考样本,以及参考样本之间的梯度信息获得,获得的预测样本被限制在一定范围内。在VVC测试模型(VTM)12.3上的实验结果表明,提出的SGP算法在VVC无损帧内编码中平均节省了5.30%的比特率,编码时间增加了17.7%,解码时间下降了19.5%。相较于BDPCM可以达到的3.88%平均比特率节省,SGP所带来的比特率节省大幅度提升,并且编码时间和解码时间都更短。

一种基于图神经网络和统计分析的VVC帧内编码快速算法

多功能视频编码(versatile video coding,VVC)作为最新一代的视频编码标准,通过引入多种高效的编码工具进一步提升了视频编码性能。然而,VVC标准引入了四叉树加多类型树(quadtree plus multi-type tree,QTMT)划分结构,并将帧内预测模式从35种扩展到67种,导致编码复杂度急剧上升。为降低VVC的帧内编码复杂度,首先,提出了一种基于图神经网络的帧内编码单元(coding unit,CU)划分快速算法,该算法利用高效的图神经网络模型直接预测CU的最优划分模式,从而跳过冗余的CU划分遍历。其次,提出了一种基于空间相关性和纹理特征的帧内模式选择快速算法,该算法利用平均方向方差和Sobel梯度算子确定纹理方向,并跳过部分角度预测模式,同时结合预测模式间的相关性精简率失真模式列表。实验结果表明,该算法能够在BDBR(bjontegaard delta bit rate)上升2.29%的代价下,节省64.04%的编码时间。

H.266/VVC:新一代通用视频编码国际标准

在2013年制定的H.265/HEVC视频编码标准获得成功后,新一代视频编码国际标准H.266/VVC在ITU⁃T的VCEG和ISO/IEC的MPEG通力合作下已于2020年7月完成。尽管VVC视频编码层的结构仍然是传统的基于块的混合视频编码模式,但VVC提供了多项先进的视频编码工具,较先前的HEVC标准,其压缩率大约提高了一倍。文中主要对VVC标准中新编码技术的特点和性能进行综述。

基于轻量级全连接网络的H.266/VVC分量间预测

新一代视频编码标准H.266/VVC引入分量间线性模型(CCLM)预测提高压缩效率。针对亮度色度分量存在相关性却难以建模的问题,提出基于神经网络的分量间预测算法。该算法根据待预测像素与参考像素的亮度差遴选出相关性强的参考像素构成参考子集,然后将参考子集送入轻量级全连接网络获得色度预测值。实验结果表明,与H.266/VVC测试模型版本10.0(VTM10.0)相比,所提算法可提高色度预测准确度,在Y、Cb和Cr上可分别节省0.27%、1.54%和1.84%的码率。所提算法具有不同块尺寸和编码参数均可使用统一网络结构的优点。

VVC高发区与低发区患者的流行病学研究

目的:了解中国VVC高发区与低发区妇科门诊中VVC的发病特点。方法:对2004年7月15日所选医院的所有就诊妇科、计划生育科的患者进行调研登记,对VVC患者进行VVC患者调研表登记,将14家医院VVC患者分为高发区组和低发区组,比较两组患者的流行病学资料,并与同日就诊的非VVC患者进行比较。结果:①各医院VVC的发生率存在显著性差异。②高发组VVC患者与正常人群相比,更多地使用了不洁卫生用品。③低发组VVC患者与正常人群相比,平时不太重视清洗外阴而且更经常地使用抗生素。结论:VVC是1种非常常见的非常影响女性健康的疾病,它的发生与患者的卫生习惯以及经常使用抗生素有密切关系。宣传正确的女性卫生保健知识,避免滥用抗生素,以减少VVC的发生。

舒乐洗剂治疗VVC小鼠的作用机制研究

目的:研究舒乐洗剂治疗VVC的作用机制。方法:建立ICR小鼠白念珠菌阴道炎模型,分组给药后分离提取小鼠阴道灌洗液总RNA,反转录成cDNA,采用RT-PCR技术,检测给药前后各组小鼠阴道分泌物中白念珠菌的毒力基因HWP1及SAP表达情况。结果:模型对照组小鼠阴道内白念珠菌毒力基因HWP1和侵袭酶SAP2、SAP4、SAP5呈高表达状态,与模型组比较,舒乐洗剂组小鼠HWP1基因和侵袭酶SAP2、SAP4、SAP5的表达显著降低。结论:舒乐洗剂能够抑制毒力基因HWP1和SAP的表达,可能是其治疗VVC的作用机制。

红核妇洁洗液配伍达可宁栓治疗孕妇VVC的观察

目的观察红核妇洁洗液配伍达可宁栓治疗孕妇VVC(外阴阴道假丝酵母菌病)的临床效果。方法将100例VVC患者随机分为2组。治疗组50例采用红核妇洁洗液配伍达可宁栓治疗,对照组50例单用达可宁栓治疗。结果治疗组的总效率为98.0%,对照组的显效率为86.0%,两者比较,差异有显著性(χ2=6.37P<0.05)。结论红核妇洁洗液配伍达可宁栓治疗孕妇VVC安全有效,致畸可能性小,可作为治疗孕妇VVC的首选方法。

盐酸特比萘芬联合乳酸菌胶囊治疗VVC的临床观察

外阴阴道假丝酵母菌病（VVC）是女性最常见的感染性疾病之一,约75%的育龄妇女一生中至少有1次发病,其中40%～50%会经历2次,约5%的妇女可反复发作、外阴阴道假丝酵母菌是阴道正常寄生菌,与机体共栖,为条件机会致病菌,只有当阴道局部环境出现改变,阴道寄生菌转化为致病菌,从而导致VVC、

2037例VVC患者阴道分泌物BV检测情况分析

目的：探讨妇女外阴阴道假丝酵母菌病（VVC）与细菌性阴道病（BV）感染的相关性以及BV时WC复发的影响。方法：随机选取2009年10月-2012年5月于本院妇科门诊就诊的2037例非妊娠wC妇女的临床资料为研究对象，采取病史采集、妇科查体及实验室检查等方式。观察初发VVC、复发VVC二者合并BV发病率，对WC的复发与BV感染的关系等进行对比分析。结果：2037例WC患者，BV（＋）511例，占25．08％：其中初发VVC1353例，合并BV167例，占12．34％；复发WC684例，合并BV344例，占50．29％。全部病例均单纯抗真菌治疗，BV（-）1526例VVC患者，复发86例，占5．64％，Bv（＋）511例VVC患者．复发226例，占44.23％。结论：复发WC合并BV（＋）明显高于初发VVC，且WC合并BV（＋）者，VVC的复发明显高于BV（-）者。对VVC患者行Bv检测，并探讨WC与BV发生的关系，对控制WC的复发有一定的指导意义，为其临床预防VVC的复发提供理论依据。

RVVC患者与VVC患者的流行病学研究

目的探讨VVC(外阴阴道念珠菌病)患者同RVVC(复发性VVC)患者的流行病学特点。方法整群选择该院2014年5月—2015年5月就诊患者12 365例,针对所有患者实施阴道分泌物真菌学镜检。在该研究的12 365例患者中。患有VVC疾病的患者例数为500例(4.04%);表现出RVVC患者例数为30例(0.24%)。针对VVC患者以及RVVC患者认真实施调查登记以及相关分析。结果针对RVVC患者同VVC患者二者之间进行比较发现,在选择激素、选择抗生素、选择避孕药、实施替代治疗以及个人卫生习惯方面,差异无统计学意义(P>0.05),分析出现RVVC的情况同患者表现出局部免疫异常具有密切的关系。针对以往用药进行分析发现,RVVC患者同VVC患者之间,差异无统计学意义(P>0.05)。结论患者患有VVC疾病或者表现出RVVC的情况后,针对患者的身心健康会造成严重的威胁。患者出现RVVC同患者出现局部免疫异常表现出一定的关联,对此针对RVVC患者,需要合理选择敏感抗真菌药物进行治疗,并且需要实施疗程巩固。

念珠菌外阴阴道炎——又称外阴阴道念珠菌病(VVC)

念珠菌迄今已发现150种以上,只有8种引起人或动物的感染,均为条件致病菌.它们是:白色念珠菌、热带念珠菌、克柔念珠菌、牛形念珠菌、高里念珠菌、光滑念珠菌、近平滑念珠菌、乳酒念珠菌.引起人类念珠菌病的主要是白色念珠菌,近年来由于不合理使用抗生素,性传播疾病的蔓延艾滋病的流行等使白色念珠菌的感染机会增多.

定君生联合康妇特栓治疗妊娠期VVC128例

外阴阴道假丝酵母菌病（Vulvovaginalcandidia—sis，vvc）是一种妇科常见病。妊娠期妇女由于特殊的生理变化，阴道糖原增多，酸度增加，使VVC的发病率明显升高，且易复发，难以根治。又由于孕妇治疗方法及应用药物的局限，故治疗较一般妇女困难。

硝酸咪康唑栓联合曲安奈德益康唑乳膏治疗VVC的效果观察

目的 :探讨用硝酸咪康唑栓联合曲安奈德益康唑乳膏治疗外阴阴道假丝酵母菌病(VVC)的临床效果。方法 :将近年来解放军第260医院收治的102例VVC患者分为片剂组和两联组,每组各有51例患者。对片剂组患者用制霉菌素片进行治疗。对两联组患者用硝酸咪康唑栓联合曲安奈德益康唑乳膏进行治疗。治疗结束后,对比两组患者治疗的总有效率、临床症状减轻和消失的时间、病情的复发率。结果 :两联组患者治疗的总有效率明显高于片剂组患者,其豆渣样白带、外阴瘙痒减轻及消失的时间均明显短于片剂组患者,其病情的复发率明显低于片剂组患者,差异具有统计学意义(P<0.05)。结论 :用硝酸咪康唑栓联合曲安奈德益康唑乳膏对VVC患者进行治疗可显著提高其治疗的效果,缩短其豆渣样白带及外阴瘙痒减轻和消失的时间,降低其病情的复发率。

基于深度学习的VVC快速帧内模式决策

新一代视频压缩标准(H.266/VVC)在帧内预测中提供了67种预测模式,这使得编码效率得到大大提升,但同时也带来了极高的计算复杂度。本文提出了一种基于深度学习的帧内模式决策快速算法。首先针对编码块尺寸划分后块的大小形状不同的问题,对提取的亮度块进行预处理,并通过随机剪裁、重采样和卷积神经网络(CNN)上采样的方式,保证块的大小和质量。然后精心设计了CNN架构来降低帧内预测复杂度,并提出将当前编码块、相邻参考块以及残差块三者作为网络的输入,把率失真决策过程转换为分类问题,减少不必要的模式遍历。为训练所提出的深度学习网络,本文针对H.266的特点建立了模式决策数据集。实验结果表明,所提出的算法与VTM10.0相比,编码时间平均降低了39.56%~43.45%,有效地降低了编码的计算复杂度,同时率失真性能基本保持不变,与最新参考文献相比综合性能也有所提升。