[논문 리뷰] Dynamic Switching of GOP Configurations in High Efficiency Video Coding (HEVC) using Relational Databases for Multi-objective Optimization

Gangadharan Esakki|arXiv (Cornell University)|2014. 01. 01.

Video Coding and Compression Technologies참고 문헌 7인용 수 2

한 줄 요약

이 논문은 HEVC에서 다중 목적 최적화를 위해 비트레이트, 영상 품질(PSNR), 인코딩 시간을 고려하여 관계형 데이터베이스를 사용한 동적 GOP 구성 전환 메커니즘을 제안한다. 사전에 파레토 최적 구성(configuration)을 계산하고 사용자, 장치, 네트워크 제약 조건에 기반해 SQL 쿼리를 통해 검색함으로써 이 시스템은 이질적인 장치 간 스트리밍 환경에서 최소 지연과 품질, 비트레이트, 계산 비용 간 최적의 트레이드오프를 달성하는 실시간 적응을 구현한다.

ABSTRACT

Our current technological era is flooded with smart devices that provide significant computational resources that require optimal video communications solutions. Optimal and dynamic management of video bitrate, quality and energy demands needs to take into account their inter-dependencies. With emerging network generations providing higher bandwidth rates, there is also a growing need to communicate video with the best quality subject to the availability of resources such as computational power and available bandwidth. Similarly, for accommodating multiple users, there is a need to minimize bitrate requirements while sustaining video quality for reasonable encoding times. This thesis focuses on providing an efficient mechanism for deriving optimal solutions for HEVC codec based on switching GOP configurations. The approach provides a basic system for multi-objective optimization with constraints on power, video quality, bitrate. This is accomplished by utilizing a recently introduced framework known as Dynamically Reconfigurable Architectures for Time-varying Image Constraints (DRASTIC) in HEVC/H.265 codec with six different GOP configurations to support optimization modes for minimum bitrate, maximum quality and minimum computational time (minimum energy in constant power configuration) mode of operation. Pareto-Optimal GOP configs are used in implementing these DRASTIC modes.

연구 동기 및 목표

• HEVC에서 다양한 장치 성능과 네트워크 조건을 고려한 영상 인코딩 최적화 과제를 해결하기 위해.
• 장치의 계산 및 대역폭 자원이 상이한 환경에서도 고성능 영상 품질을 유지하면서 인코딩 시간과 비트레이트를 줄이기 위해.
• 사용자, 장치, 네트워크 제약 조건에 기반해 실시간으로 최적의 GOP 구성 선택을 가능하게 하기 위해.
• 파레토 최적 구성(configuration)을 사용한 다중 목적 최적화를 지원하는 확장 가능한 데이터베이스 프레임워크를 개발하기 위해.
• DRASTIC 기반 재구성 가능한 인코더에 데이터베이스 기반 설정 검색 기능을 통합하여 적응형 영상 스트리밍을 지원하기 위해.

제안 방법

• HEVC 인코딩을 위한 6종류의 다른 GOP 구조에 대해 사전에 계산된 파레토 최적 GOP 구성(configuration).
• 실시간 제약 조건에 기반해 인코더를 동적으로 재구성하기 위해 DRASTIC 프레임워크를 활용.
• 장치, 네트워크, 사용자, 인코더 구성 설정을 위한 테이블을 포함한 관계형 데이터베이스 스키마 설계.
• 최대 비트레이트, 인코딩 시간, 최소 PSNR 등의 제약 조건에 기반해 최적의 구성 설정을 검색하기 위해 SQL 쿼리 구현.
• 데이터베이스 변수를 사용해 장치별 프로파일(예: Nexus 5 하이 프로파일)을 제약 조건 기준치에 매핑.
• 특정 영상 세그먼트에 대해 최적의 인코더 설정(PSNR, 비트레이트, 인코딩 시간)을 검색하기 위해 파레토 프론트 테이블에 쿼리 실행.

실험 결과

연구 질문

• RQ1 HEVC에서 다수의 상충되는 목표(비트레이트, 품질, 인코딩 시간)를 고려한 동적 GOP 구성 전환은 어떻게 최적화될 수 있는가?
• RQ2 관계형 데이터베이스는 실시간으로 제약 조건 기반의 최적 HEVC 인코더 구성 선택에 어떤 역할을 하는가?
• RQ3 파레토 최적 구성(configuration)은 효과적으로 사전 계산되어 데이터베이스 쿼리를 통해 검색되어 실시간 영상 적응을 지원할 수 있는가?
• RQ4 시스템은 데이터베이스 기반 설정 선택을 통해 다양한 장치 성능과 네트워크 조건에 어떻게 적응하는가?
• RQ5 데이터베이스 쿼리는 다중 목적 영상 인코딩에서 런타임 최적화를 어느 정도 대체할 수 있는가?

주요 결과

• 시스템은 SQL 쿼리를 통해 파레토 최적 구성(configuration)을 성공적으로 검색하였으며, 영상 V001에 대해 최대 43 dB의 PSNR, 비트레이트 1085 kbps, 인코딩 시간 107 초를 달성하였다.
• 고품질 모드에서는 비트레이트 ≤ 600 kbps 및 시간 ≤ 500 초 제약 조건 하에 PSNR = 38 dB, 비트레이트 = 548 kbps, 인코딩 시간 = 302 초의 구성이 선택되었다.
• 최소 비트레이트 모드에서는 PSNR ≥ 40 dB 및 시간 ≤ 800 초 제약 조건을 충족시키며 PSNR = 43 dB, 비트레이트 = 1085 kbps, 인코딩 시간 = 107 초의 구성이 선택되었다.
• 사용자별 제약 조건은 데이터베이스 변수를 사용해 동적으로 적용되었으며, 예를 들어 Nexus 5 하이 프로파일 모드에서는 최대 비트레이트 = 450 kbps 및 최대 인코딩 시간 = 507 초로 설정되었다.
• 시스템은 간단하고 효율적인 데이터베이스 쿼리를 통해 사용자 및 장치 프로파일에 기반해 최적의 구성 설정을 실시간으로 검색함으로써 실시간 적응성을 입증하였다.
• 이 방법은 IoT 및 향후 지능형 영상 스트리밍 시스템에 적합한 확장 가능하고 빅데이터 기반의 영상 인코딩 최적화를 가능하게 한다.