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

Gangadharan Esakki|arXiv (Cornell University)|Jan 1, 2014

Video Coding and Compression Technologies参考文献 7被引用 2

一句话总结

本文提出了一种在HEVC中使用关系型数据库实现动态GOP配置切换的机制，以支持码率、视频质量（PSNR）和编码时间的多目标优化。通过预先计算Pareto最优配置，并基于设备和网络约束通过SQL查询检索，系统实现了在异构设备上低延迟、实时适应的视频流传输，同时在质量、码率和计算成本之间实现最优权衡。

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.

研究动机与目标

• 解决在HEVC中针对多样化设备能力与网络条件进行视频编码优化的挑战。
• 在计算与带宽资源各异的设备上，维持高视频质量的同时降低编码时间与码率。
• 基于用户、设备与网络约束，实现实时、动态的最优GOP配置选择。
• 开发一种可扩展的数据库框架，支持使用Pareto最优配置进行多目标优化。
• 将基于数据库的配置检索机制集成到基于DRASTIC的可重构编码器中，以实现自适应视频流传输。

提出的方法

• 针对HEVC编码的六种不同GOP结构，预先计算Pareto最优GOP配置。
• 利用DRASTIC框架，根据实时约束动态重构编码器。
• 设计关系型数据库模式，包含设备、网络、用户和编码器配置等表。
• 实现SQL查询，基于最大码率、编码时间及最小PSNR等约束检索最优配置。
• 通过数据库变量将设备特定配置文件（如Nexus 5高阶配置）映射到约束阈值。
• 在Pareto前沿表上执行查询，为特定视频片段检索最优编码器设置（PSNR、码率、编码时间）。

实验结果

研究问题

• RQ1 如何在HEVC中对多个冲突目标（码率、质量、编码时间）实现动态GOP配置切换的优化？
• RQ2 关系型数据库在实现基于约束的实时最优HEVC编码器配置选择中起到什么作用？
• RQ3 Pareto最优配置能否被有效预计算并通过数据库查询检索，以支持实时视频自适应？
• RQ4 该系统如何通过基于数据库的配置选择机制，适应不同设备能力与网络条件？
• RQ5 在多目标视频编码中，数据库查询在多大程度上可以替代运行时优化？

主要发现

• 系统通过SQL查询成功检索到Pareto最优配置，对于视频V001，PSNR达到43 dB，码率为1085 kbps，编码时间为107秒。
• 在高质量模式下，系统在码率≤600 kbps且时间≤500秒的约束下，选择PSNR = 38 dB、码率 = 548 kbps、编码时间 = 302秒的配置。
• 在最低码率模式下，系统选择PSNR = 43 dB、码率 = 1085 kbps、编码时间 = 107秒的配置，满足PSNR ≥ 40 dB且时间≤800秒。
• 通过数据库变量动态应用用户特定约束，例如在Nexus 5高阶配置模式下，设定最大码率 = 450 kbps，最大编码时间 = 507 秒。
• 系统通过简单高效的数据库查询，根据用户和设备配置文件实时响应，展示了出色的实时适应能力。
• 该方法支持可扩展的、适合大数据处理的视频编码优化，适用于物联网及未来智能视频流媒体系统。