[論文レビュー] Directional Cross Diamond Search Algorithm for Fast Block Motion Estimation

Hongjun Jia, Li Zhang|ArXiv.org|Jun 4, 2008

Video Coding and Compression Technologies参考文献 12被引用数 5

ひとこと要約

本稿では、動きベクトル確率（MVP）分布の方向性特性を活用して探索点を削減する高速ブロック運動量推定手法として、方向性クロスダイヤモンド探索（DCDS）アルゴリズムを提案する。水平クロスパターンと方向性ダイヤモンドパターンを組み合わせることで、CDS や DS よりも最大 54.9% 速い探索速度を達成しながら、多様な動画シーケンスにおいて同等または優れた探索品質を維持する。

ABSTRACT

In block-matching motion estimation (BMME), the search patterns have a significant impact on the algorithm's performance, both the search speed and the search quality. The search pattern should be designed to fit the motion vector probability (MVP) distribution characteristics of the real-world sequences. In this paper, we build a directional model of MVP distribution to describe the directional-center-biased characteristic of the MVP distribution and the directional characteristics of the conditional MVP distribution more exactly based on the detailed statistical data of motion vectors of eighteen popular sequences. Three directional search patterns are firstly designed by utilizing the directional characteristics and they are the smallest search patterns among the popular ones. A new algorithm is proposed using the horizontal cross search pattern as the initial step and the horizontal/vertical diamond search pattern as the subsequent step for the fast BMME, which is called the directional cross diamond search (DCDS) algorithm. The DCDS algorithm can obtain the motion vector with fewer search points than CDS, DS or HEXBS while maintaining the similar or even better search quality. The gain on speedup of DCDS over CDS or DS can be up to 54.9%. The simulation results show that DCDS is efficient, effective and robust, and it can always give the faster search speed on different sequences than other fast block-matching algorithm in common use.

研究の動機と目的

• 既存のブロックマッチング運動量推定アルゴリズムの探索速度および品質の非効率性を是正すること。
• 実世界の動画シーケンスにおける動きベクトルの方向性中心偏り分布を統計的分析を用いてモデル化すること。
• 実際の動きベクトル確率（MVP）分布特性に一致する最小限の方向性探索パターンを設計すること。
• 水平クロスパターンと方向性ダイヤモンドパターンを組み合わせたハイブリッド探索戦略を設計し、より速い収束を実現すること。
• 最先端の高速ブロックマッチングアルゴリズムと比較して、優れた速度と同等または優れた探索品質を達成すること。

提案手法

• 著者らは、18 個の代表的な動画シーケンスからの動きベクトルを分析し、方向性中心偏り MVP 分布および条件付き MVP 特性をモデル化する。
• 統計的 MVP 分布に基づいて、探索点を最小限に抑えつつ精度を保持する3つの方向性探索パターンを設計する。
• DCDS アルゴリズムは、動きベクトルの近傍を効率的に特定するため、水平クロス探索パターンから開始する。
• その後の段階では、水平および垂直方向のダイヤモンド探索パターンを適用して推定値を精緻化し、方向性バイアスを活用してより速い収束を実現する。
• MVP 分布の方向性特性に応じて探索パターンを動的に選択することで、計算負荷を低減する。
• CDS、DS、HEXBS と比較するため、標準的な動画シーケンスを用いて探索点数、スピードアップ率、探索品質を評価する。

実験結果

リサーチクエスチョン

• RQ1 実動画シーケンスにおける方向性および中心偏りの傾向を反映する動きベクトル確率（MVP）分布特性をどのようにモデル化できるか？
• RQ2 MVP 分布を効果的に捉えつつ、探索点数を最小限に抑える最小の方向性探索パターンの集合は何か？
• RQ3 クロスパターンとダイヤモンドパターンを組み合わせたハイブリッド探索戦略は、推定品質を劣化させることなく探索速度を向上させることができるか？
• RQ4 提案された DCDS アルゴリズムは、CDS、DS、HEXBS などの既存の高速ブロックマッチングアルゴリズムと比較して、速度と正確性の面でどのように異なるか？
• RQ5 MVP 分布の方向性モデリングにより、多様な動画シーケンスにおいて一貫した性能を維持できるか、特に動きの特性が異なるシーケンスに対しても頑健性を示すか？

主な発見

• DCDS アルゴリズムは、CDS や DS、HEXBS と比較して、動きベクトル推定に必要な探索点数を削減する。
• アルゴリズムは CDS や DS に対して最大 54.9% のスピードアップを達成し、顕著な計算効率性を示す。
• すべてのテスト対象動画シーケンスにおいて、運動量推定の正確性を測る指標としての探索品質を維持または向上させる。
• MVP 分布の方向性モデリングにより、従来の対称的パターンよりも正確で効率的な探索パターン設計が可能になる。
• 多様な動画シーケンスにおいて一貫した性能向上を示し、頑健性と一般化能力を示している。
• 方向性クロスパターンおよびダイヤモンドパターンの使用により、従来の対称的探索パターンよりも速い収束が実現できる。