这是描述信息

新闻动态

资讯分类

流媒体服务中视频压缩技术的应用和前景探讨

访问量:

    在实时音视频领域,视频压缩是非常重要的技术。TSINGSEE青犀视频不断优化系统,从H264到H265的支持,也是在视频压缩上下功夫,增强用户体验。而现在,5G基础设施已经日趋完善和普及,新的视频应用场景不断在拓展,视频压缩技术也在迭代。

为了确保视频流的高质量和高传输效率,新型的视频压缩技术要求我们考虑到存储、编解码、算力和带宽等因素在内的各项因素,还要在画质、码率和性能之间做平衡。

    目前在视频压缩的研究方面,主要是基于人工智能的深度学习技术和端到端的视频压缩框架。深度学习技术替换混合编码框架模块,可用于码率分配、块划分以及帧内预测和帧间预测。以帧间预测为例,实验结果表明,与 HEVC 相比,基于深度学习所提出的方法在low delay P 配置下,能达到平均1.7%(最高为8.6%)的码率减少。端到端的视频压缩框架最新研究成果是对现有深度学习视频压缩,只能利用少数的参考帧进行压缩的问题,研究人员提出了重复自编码器和重复概率估计模型。

    这些技术目前都还不稳定,还需进一步开发和研究,但即便如此,依靠该技术依然可以衍生各种功能,同时也拥有着非常广阔的应用前景:

    1、采用深度学习网络替换视频压缩的混合编码框架,可以提高编码效率,在 WebRTC 中具有重要的应用价值;
    2、深度强化学习网络对
码率进行分配,将改善在使用 WebRTC 视频传输中的卡顿现象;
    3、基于深度学习的带宽估计模型也将比传统的带宽估计方法更有优势。

    除此之外,不同的场景人们的关注重点会有所不同。此处我们以智慧交通为例,要对交通监控视频进行高效压缩,就必须根据该场景特点,将背景区域和运动区域细致区分。交警对于违章车辆的关注点是车牌号,车牌号是否清晰,将直接影响执法证据的收集是否有效。因此,在带宽有限的情况下,确保兴趣关注区域的质量是视频压缩技术的关键。

地       址:深圳市南山区桃源街道大学城笃学路9号七楼

客服热线:0755-86673663

客服邮箱:yinyan@zhihuilin.com