图 基于内容分析的高效视频编码研究技术路线

　　视频编码是数字视频产业的基础性关键技术。随着视频监控、超高清视频广播等应用的快速普及，视频数据量急剧增长，如何实现视频数据的高效压缩与分析是视频大数据时代面临的核心问题。在国家自然科学基金重点项目（批准号：61632001）资助下，北京大学马思伟研究团队在基于内容分析的高效视频编码研究方面取得进展，得到了国家自然科学基金委员会专家的一致认可，结题获评优秀。

　　团队围绕基于内容分析的高效视频编码理论与方法开展研究，从传统预测/变换编码和深度学习编码两方面开展深入研究。主要研究内容包括运动分析建模、结构分析建模和认知分析及建模、基于深度学习的认知模型及特征编码方法等（图）。

　　团队提出了“帧—块—像素”多尺度自适应运动补偿方法，分别通过帧级动态可配置的灵活参考预测机制，块级渐进运动场表示和精细像素协同滤波，实现了更加精准的运动信息紧凑表示，突破了块级平动模型对高效复杂运动的表征难题，编码效率比前一代标准AVS2、H.265/HEVC提升一倍，支撑了新一代AVS3视频编码标准的制定。研制了视觉质量精准可控的8K超高清实时编解码器，支撑央视开通CCTV-8K超高清频道，为国庆阅兵、央视春晚、冬奥赛事等重大活动提供了直播保障。研究成果先后获国家技术发明一等奖，世界互联网大会互联网科技领先成果等奖励。

来源：国家自然科学基金委员会