Περίληψη
Η συνεχώς αυξανόμενη ζήτηση για υπηρεσίες βίντεο υψηλής ποιότητας, η οποία οφείλεται στην ευρεία διάδοση περιεχομένου υπερυψηλής ευκρινειας (Ultra High Definition - UHD), στις υπηρεσίες συνεχούς μετάδοσης βίντεο (streaming) σε πραγματικό χρόνο και στις προηγμένες εφαρμογές πολυμέσων, έχει καταστήσει τη συμπίεση και τη διακωδικοποίηση βίντεο αντικείμενα ιδιαίτερης επιστημονικής και τεχνολογικής σημασίας. Τα σύγχρονα πρότυπα κωδικοποίησης βίντεο, όπως τα High Efficiency Video Coding (HEVC), AOMedia Video 1 (AV1) και Versatile Video Coding (VVC), επιτυγχάνουν σημαντική βελτίωση της αποδοτικότητας συμπίεσης μέσω της εισαγωγής ολοένα και πιο προηγμένων εργαλείων κωδικοποίησης. Ωστόσο, η βελτίωση αυτή συνοδεύεται από σημαντική αύξηση της υπολογιστικής πολυπλοκότητας, γεγονός που περιορίζει τη δυνατότητα επεξεργασίας σε πραγματικό χρόνο και την αποδοτική αξιοποίηση των σύγχρονων υπολογιστικών πόρων. Με γνώμονα τις προκλήσεις αυτές, η παρούσα διδακτορική διατριβή διερευνά μεθόδους για τη βελτί ...
Η συνεχώς αυξανόμενη ζήτηση για υπηρεσίες βίντεο υψηλής ποιότητας, η οποία οφείλεται στην ευρεία διάδοση περιεχομένου υπερυψηλής ευκρινειας (Ultra High Definition - UHD), στις υπηρεσίες συνεχούς μετάδοσης βίντεο (streaming) σε πραγματικό χρόνο και στις προηγμένες εφαρμογές πολυμέσων, έχει καταστήσει τη συμπίεση και τη διακωδικοποίηση βίντεο αντικείμενα ιδιαίτερης επιστημονικής και τεχνολογικής σημασίας. Τα σύγχρονα πρότυπα κωδικοποίησης βίντεο, όπως τα High Efficiency Video Coding (HEVC), AOMedia Video 1 (AV1) και Versatile Video Coding (VVC), επιτυγχάνουν σημαντική βελτίωση της αποδοτικότητας συμπίεσης μέσω της εισαγωγής ολοένα και πιο προηγμένων εργαλείων κωδικοποίησης. Ωστόσο, η βελτίωση αυτή συνοδεύεται από σημαντική αύξηση της υπολογιστικής πολυπλοκότητας, γεγονός που περιορίζει τη δυνατότητα επεξεργασίας σε πραγματικό χρόνο και την αποδοτική αξιοποίηση των σύγχρονων υπολογιστικών πόρων. Με γνώμονα τις προκλήσεις αυτές, η παρούσα διδακτορική διατριβή διερευνά μεθόδους για τη βελτίωση της υπολογιστικής αποδοτικότητας των σύγχρονων συστημάτων κωδικοποίησης και διακωδικοποίησης βίντεο, χωρίς να υποβαθμίζεται η απόδοση συμπίεσης. Η έρευνα επικεντρώνεται στην παράλληλη κωδικοποίηση βίντεο, στη βελτιστοποίηση βάσει πρόβλεψης, στην προσαρμοστική ως προς το περιεχόμενο κωδικοποίηση και στην ετερογενή διακωδικοποίηση, ως τους βασικούς άξονες για τη μείωση της υπολογιστικής πολυπλοκότητας. Πιο συγκεκριμένα, αξιολογείται πειραματικά η επίδραση της κατάτμησης σε tiles στην αποδοτικότητα κωδικοποίησης του προτύπου AV1, διερευνώνται ετερογενείς στρατηγικές χρονοπρογραμματισμού για τον παράλληλη επεξεργασία με χρήση των εργαλείων wavefront και tile partitioning, ενώ προτείνεται προσέγγιση βασισμένη στη βαθιά μάθηση για την πρόβλεψη υπολογιστικών σημείων συμφόρησης κατά την παράλληλη κωδικοποίηση βίντεο. Επιπλέον, αξιοποιούνται τεχνικές κατάτμησης εικόνας για τη δημιουργία προσαρμοστικών ως προς το περιεχόμενο υποεικόνων (subpictures) στον κωδικοποιητή VVC, ενώ αναπτύσσεται μία μέθοδος ταχείας διακωδικοποίησης από το πρότυπο HEVC στο πρότυπο VVC, η οποία επαναχρησιμοποιεί πληροφορία κωδικοποίησης που εξάγεται από το εισερχόμενο bitstream. Τα πειραματικά αποτελέσματα καταδεικνύουν ότι ο αποδοτικός παραλληλισμός, η μηχανική μάθηση, η προσαρμοστική ως προς το περιεχόμενο βελτιστοποίηση και η επαναχρησιμοποίηση πληροφορίας κωδικοποίησης μπορούν να μειώσουν σημαντικά την υπολογιστική πολυπλοκότητα, διατηρώντας παράλληλα υψηλή αποδοτικότητα συμπίεσης. Συνολικά, οι προτεινόμενες μεθοδολογίες συμβάλλουν στην ανάπτυξη κλιμακούμενων και υπολογιστικά αποδοτικών συστημάτων κωδικοποίησης και διακωδικοποίησης βίντεο, διευκολύνοντας την πρακτική αξιοποίηση των τεχνολογιών κωδικοποίησης βίντεο επόμενης γενιάς σε σύγχρονες εφαρμογές πολυμέσων.
περισσότερα
Περίληψη σε άλλη γλώσσα
The continuous demand for high-quality video services, driven by the widespread adoption of ultra-high-definition content, real-time streaming, and advanced multimedia applications, has made efficient video compression and transcoding a problem of significant scientific and technological importance. Modern video coding standards, including High Efficiency Video Coding (HEVC), AOMedia Video 1 (AV1), and Versatile Video Coding (VVC), achieve remarkable compression performance through the introduction of increasingly sophisticated coding tools. However, these improvements are accompanied by a substantial increase in computational complexity, limiting real-time processing and the efficient utilization of modern computing resources. Motivated by these challenges, this thesis investigates methods for improving the computational efficiency of modern video coding and transcoding systems without compromising coding performance. The proposed research investigates parallel video coding, predictio ...
The continuous demand for high-quality video services, driven by the widespread adoption of ultra-high-definition content, real-time streaming, and advanced multimedia applications, has made efficient video compression and transcoding a problem of significant scientific and technological importance. Modern video coding standards, including High Efficiency Video Coding (HEVC), AOMedia Video 1 (AV1), and Versatile Video Coding (VVC), achieve remarkable compression performance through the introduction of increasingly sophisticated coding tools. However, these improvements are accompanied by a substantial increase in computational complexity, limiting real-time processing and the efficient utilization of modern computing resources. Motivated by these challenges, this thesis investigates methods for improving the computational efficiency of modern video coding and transcoding systems without compromising coding performance. The proposed research investigates parallel video coding, prediction-driven optimization, content-adaptive coding, and heterogeneous transcoding as the main directions for improving computational efficiency. More specifically, the impact of tile partitioning on the coding efficiency of AV1 is experimentally evaluated, heterogeneous scheduling strategies for wavefront and tile-based parallelism are investigated, and a deep learning framework is proposed for predicting computational bottlenecks during parallel video coding. Furthermore, image segmentation techniques are exploited to derive content-aware subpicture partitions for the VVC encoder, while a fast HEVC-to-VVC transcoding methodology is developed by reusing coding information extracted from the input bitstream. Experimental results demonstrate that efficient parallelization, machine learning, content-aware optimization, and coding information reuse can substantially reduce computational complexity while maintaining high coding efficiency. Overall, the proposed methodologies contribute to the development of scalable and computationally efficient video coding and transcoding systems, facilitating the practical deployment of next-generation video compression technologies in modern multimedia applications.
περισσότερα