面向高动态显示的自适应动态范围增强

最近，对超高清（UHD）视频服务的需求不断增长。UHD视频提供大量数据的逼真的观看体验，正在彻底改变视频生态系统并推动信息产业的升级。在这种背景下，超高清视频大数据的指数增长与有限的存储空间以及传输带宽之间的矛盾日益突出。面对这些挑战，来自ITU-T和MPEG的视频专家联合团队已经启动了下一代视频编码标准多功能视频编码（VVC）项目。在VVC中，采用了新的编码结构和一组编码工具，与以前的HEVC标准相比，它们大大提高了编码性能。随着标准化进程的发展，研究编码器优化算法显得尤为重要和迫切，这不仅有利于将来VVC标准的实施和部署，而且为标准化进程提供了有益的信息和指导。

在这个项目中，我们将利用人工智能技术，从高效速率控制和低复杂度编码的角度系统地研究VVC编码器的优化。特别是，我们首先研究VVC中UHD视频的速率失真特性，以规范编码比特率。更具体地，利用结合了四叉树-二叉树和三叉树划分的新编码结构来研究速率量化和失真量化关系，并且基于增强学习的最新发展实现了智能速率控制。这样，优化了每个帧和CTU的编码位数，以实现高效率速率控制。此外，我们将速率失真模型扩展到VVC编解码器的联合速率失真复杂度（RDC）优化，目的是在低失真编码的速率失真性能和编码复杂度之间取得良好的平衡。特别是，通过使用高级机器学习技术对它们之间的关系进行建模，可以在复杂性受限的情况下确定编码器结构。此外，可以通过复杂度分配策略进一步优化编码模式的决策。通过对本地RDC关系进行智能建模，可以为每个编码单元优化复杂度分配，以实现整体最佳编码性能。预计该研究结果将被基于UHD视频的各种应用所采用，包括视频监视，数字电视广播，IPTV，视频通信和Internet视频。