基于統(tǒng)計(jì)建模的HEVC 快速率失真估計(jì)算法

孟翔，殷海兵，黃曉峰

（杭州電子科技大學(xué)通信工程學(xué)院，浙江 杭州 310018）

1 引言

隨著各種對(duì)高清視頻的需求，JCT-VC 提出了新一代高效視頻編碼（HEVC）標(biāo)準(zhǔn)[1]，其采用高級(jí)編碼工具，包括基于四叉樹的編碼單元（coding unit，CU）、變換單元（transform unit，TU）以及預(yù)測(cè)單元（prediction unit，PU）。與H.264[2]相比，在相同圖像質(zhì)量情況下，HEVC 可以節(jié)省高達(dá)50%的比特率。

CU/PU/TU 的組合方案可以大大提高編碼效率，但是基于率失真優(yōu)化（rate distortion optimization，RDO）[3]的模式?jīng)Q策都需要為大量候選模式進(jìn)行RDO 成本計(jì)算，其中涉及前向變換、量化、逆量化、逆變換和熵編碼，這會(huì)造成極大的計(jì)算復(fù)雜度，阻礙了有效并行技術(shù)，導(dǎo)致硬件實(shí)現(xiàn)效率降低。

一些學(xué)者針對(duì)如何減少碼率和失真的計(jì)算復(fù)雜度問題展開研究，Zhao 等[4]提出廣義高斯分布模型來估計(jì)碼率，使用在量化中丟掉的比特來估計(jì)失真；Tu 等[5]和Wang 等[6]采用量化系數(shù)之和與其對(duì)應(yīng)系數(shù)坐標(biāo)來估計(jì)碼率；Liu等[7]提出一種基于二元分類的線性模型來估計(jì)碼率。Sun 等[8]嘗試簡(jiǎn)化RDO 過程，使用變換系數(shù)來估計(jì)碼率和失真，Chen 等[9]和Sharabayko等[10]采用信息熵來估計(jì)碼率?？紤]到硬件資源，一些學(xué)者提出了有利于硬件實(shí)現(xiàn)的快速RDO 算法[11-14]，雖然節(jié)省了大量的硬件資源，但是算法過于簡(jiǎn)單造成了嚴(yán)重的性能損失?，F(xiàn)有工作并未充分探索熵編碼特性，這會(huì)導(dǎo)致壓縮質(zhì)量顯著下降[15]。

本文的主要貢獻(xiàn)如下：對(duì)每個(gè)語法元素進(jìn)行碼率分析，并根據(jù)結(jié)果建立碼率模型；提出一種加權(quán)量化系數(shù)，能夠較好地反映碼率信息；采用建模的方式估計(jì)頭信息碼率；從變換域建模估計(jì)失真，避免多余的重構(gòu)過程；避免了上下文概率狀態(tài)的實(shí)時(shí)更新，有利于硬件實(shí)現(xiàn)。

2 碼率與失真估計(jì)算法

HEVC 原始的碼率與失真計(jì)算流程如圖1 所示，其中熵編碼技術(shù)會(huì)涉及上下文狀態(tài)的實(shí)時(shí)更新，系數(shù)之間產(chǎn)生較強(qiáng)的依賴性，這不利于硬件并發(fā)的實(shí)現(xiàn)并會(huì)產(chǎn)生很大的編碼復(fù)雜度，失真計(jì)算會(huì)經(jīng)過冗長(zhǎng)的重構(gòu)過程，進(jìn)一步加劇了編碼的復(fù)雜性。

圖1 HEVC 原始碼率失真計(jì)算流程

為了簡(jiǎn)化編碼的復(fù)雜度，采用碼率與失真預(yù)估的方式來替代原有的計(jì)算過程。引入碼率失真算法后的計(jì)算過程如圖2 所示，可以看出碼率失真預(yù)估算法大大簡(jiǎn)化了原始HEVC 算法的流程，同時(shí)避免了上下文概率狀態(tài)的實(shí)時(shí)更新和冗長(zhǎng)的重構(gòu)過程，更有利于硬件并發(fā)與流水線技術(shù)的實(shí)施。

圖2 引入碼率失真算法后的計(jì)算過程

在RDO 過程中，碼率一般由兩部分組成：

其中，Rhead表示編碼頭信息所需碼率，Rres代表編碼量化系數(shù)所需碼率。在編碼量化系數(shù)時(shí)，需要編碼多個(gè)語法元素。

首先，變換單元會(huì)被分為若干個(gè)4×4 大小的系數(shù)塊組（coefficient group，CG），按反向掃描順序首先掃描到的非零系數(shù)為最后一個(gè)非零系數(shù)位置（last coefficient position，LCP），編碼器需要對(duì)LCP 信息進(jìn)行編碼，然后對(duì)每個(gè)CG 進(jìn)行判斷，代碼子塊標(biāo)志（code sub block flag，CSBF）表示該 CG 內(nèi)是否存在非零系數(shù)，有效系數(shù)標(biāo)志（significant coefficient flag，SCF）表示當(dāng)前系數(shù)是否非零，系數(shù)符號(hào)標(biāo)志（coefficient sign flag，CSF）表示當(dāng)前系數(shù)是否為正，前8 個(gè)非零系數(shù)中，系數(shù)大于1（greater than 1，G1）表示當(dāng)前系數(shù)絕對(duì)值是否大于1，對(duì)于第一個(gè)大于1 的系數(shù)，系數(shù)大于2（greater than 2，G2）表示該系數(shù)絕對(duì)值是否大于2，最后系數(shù)剩余部分（remaining，RM）會(huì)被編碼。

為了更加直觀地分析碼率，本文統(tǒng)計(jì)了在不同TU 大小和不同量化參數(shù)（quantization parameter，QP）下，各個(gè)語法元素所占的碼率比重，如圖3 所示，編碼模式為隨機(jī)訪問（random access，RA）模式，可以看出，在TU 4×4 和TU 8×8 大小下，LCP 語法元素占有較大比重，分別為32.2%與25.8%，G1 與CSF 語法元素碼率占比較為均勻，SCF 碼率綜合占比最大，因此如何著重分析碼率占比較大的語法元素非常關(guān)鍵。

圖3 TU 級(jí)別下各語法元素碼率比重

3 頭信息碼率預(yù)估

3.1 幀間預(yù)測(cè)跳過標(biāo)志的碼率估計(jì)

跳過模式是合并模式的一種特殊情況，其CU 內(nèi)不包含任何殘差信息。對(duì)于每個(gè)單元，CU跳過標(biāo)志被用來表示該CU 是否為跳過模式。其根據(jù)相鄰CU 跳過標(biāo)志的不同會(huì)使用3 種上下文模型。本文實(shí)驗(yàn)發(fā)現(xiàn)跳過標(biāo)志所消耗的碼率均值在不同QP 下有著較強(qiáng)的線性關(guān)系。當(dāng)相鄰單元均為非跳過模式時(shí)，碼率與QP 之間的關(guān)系如圖4 所示。

圖4 跳過標(biāo)志碼率與QP 的關(guān)系

其中，R_0 和R_1 分別表示編碼0（非跳過模式）和1（跳過模式）所消耗的碼率。實(shí)驗(yàn)測(cè)試環(huán)境為RA 編碼模式，測(cè)試序列為BasketballPass，測(cè)試幀數(shù)為30。圖4 中的×表示各QP 下碼率消耗的平均值。事實(shí)上，隨著QP 的增加，CU 更有可能被編碼為跳過模式。因此，編碼1 消耗的比特逐漸減少，編碼0 消耗的比特逐漸增加。

因此可以根據(jù)QP 進(jìn)行建模，式（2）中定義了跳過標(biāo)志的碼率估計(jì)模型。

其中，0α與0β表示編碼0 時(shí)的模型系數(shù)，1α與1β表示編碼1 時(shí)的模型系數(shù)，在相鄰單元都為非跳過模式時(shí)，0α=0.016 89，0β=0.183 3，1α=?0.107 3，1β=5.814。當(dāng)相鄰單元只有一個(gè)為跳過模式或都為跳過模式時(shí)，其碼率模型可以采用相同的方法分析。

3.2 預(yù)測(cè)模式的碼率估計(jì)

在頭文件碼率中，編碼預(yù)測(cè)模式所消耗碼率占有較大比例，對(duì)亮度塊來說，最優(yōu)預(yù)測(cè)模式從兩類中選出，一類是來自相鄰單元的3 種高概率模式（most probability mode，MPM），另一類為低概率模式（low probability mode，LPM）。prev_intra_luma 會(huì)被用來描述該模式是否為MPM模式，與跳過標(biāo)志建模類似，QP 與碼率關(guān)系如圖5所示。

圖5 預(yù)測(cè)模式QP 與碼率的關(guān)系

最后該部分模型如式（3）所示：

其中，0γ=0.041 73，0δ=0.138 4，1γ=?0.026 8，1δ=1.578。

對(duì)于色度塊，從5 個(gè)候選模式中選擇最佳模式。intra_chroma_pred_mode 用于描述最佳模式是否與最佳亮度模式相同，該部分建模類似于prev_intra_luma。

4 殘差系數(shù)碼率估計(jì)

4.1 基于加權(quán)量化系數(shù)的量化系數(shù)和

在現(xiàn)有工作中，Sheng[16]采用量化系數(shù)總和（sum quantized coefficient，SQC）作為系數(shù)部分碼率估計(jì)的特征。但是，當(dāng)TU 的SQC 相同時(shí)，其碼率消耗會(huì)有較大的差異。造成這一誤差的原因之一是：在編碼過程中，上下文概率模型轉(zhuǎn)換會(huì)導(dǎo)致嚴(yán)重的系數(shù)間串行依賴。為解決此問題，本文提出加權(quán)量化系數(shù)總和（sum weighted quantized coefficient，SWQC）。

在圖3 中，SCF 語法元素總體比其他語法元素占據(jù)更大的比例。因此，本文重點(diǎn)分析因編碼SCF 語法元素而產(chǎn)生的系數(shù)依賴性。實(shí)際上，SCF的上下文模型選擇受許多因素影響，包括當(dāng)前塊是否為亮度塊、下方和右側(cè)的CSBF 值等。因此，本文將CG 分為7 類，如圖6 所示。

圖6 加權(quán)量化系數(shù)的分類方法

在圖6 中，CSBF（0,0）代表下方和右方CG的CSBF 值均為0。TU 4×4 為第1 類。對(duì)于第一個(gè)CG，存在DC 系數(shù)并且為低頻區(qū)域，非零系數(shù)多于其他CG，因此將第一個(gè)CG 分為第2 類。最后一個(gè)非零CG 具有LP 語法元素，分為第3 類。根據(jù)下方和右方CSBF 取值分為第4、5、6、7 類。

本文使用線性回歸方法確定權(quán)重，使用CG級(jí)別碼率進(jìn)行訓(xùn)練。不同組將獲得不同的權(quán)重，加權(quán)量化系數(shù)總和累積作為TU 級(jí)碼率估計(jì)的特征。第3 類中有一個(gè)特殊情況，最后一個(gè)非零CG具有LP 語法元素，其碼率消耗主要來自LP 信息，為了簡(jiǎn)化算法，將第3 類的權(quán)重設(shè)置為1。該部分碼率模型如式（4）所示：

其中，W kj代表權(quán)重系數(shù)，k表示由圖6 確定的CG 類別，Lij代表量化系數(shù)，N為TU 塊大小。在QP 為32時(shí)，各TU 大小下Rwqc與碼率之間關(guān)系如圖7 所示。

圖7 TU 級(jí)別加權(quán)量化系數(shù)總和與碼率的關(guān)系

權(quán)重系數(shù)從序列BasketballPass 獲得。將其應(yīng)用于序列BQsquare，其與TU 級(jí)別碼率的相關(guān)系數(shù)（R2）與均方差（MSE）見表1，其中擬合方式均為線性擬合，擬合公式為y=ax+b，其中a、b為模型參數(shù)?？梢钥吹絊WQC 比SQC具有更小的均方差和更高的相關(guān)系數(shù)。這證明了使用SWQC 在碼率估計(jì)方面將獲得更高的精準(zhǔn)度。

表1 均方差與相關(guān)系數(shù)

4.2 位置參數(shù)以及其他特征參數(shù)

在熵編碼中，高概率事件將消耗較少的比特，而低概率事件將消耗較多的比特。經(jīng)過變換、量化等步驟后，非零系數(shù)出現(xiàn)在低頻區(qū)域的概率要大于高頻區(qū)域。因此，碼率消耗將隨著系數(shù)分布的不同而有著較大的變化。本文定義ηc為CG 級(jí)別最后一個(gè)非零系數(shù)的正向掃描位置。當(dāng)ηc較小時(shí)，表示非零系數(shù)分布在低頻區(qū)域。ηz表示CG內(nèi)第一個(gè)與最后一個(gè)非零系數(shù)之間的零系數(shù)個(gè)數(shù)。當(dāng)ηz較小時(shí)，表示非零系數(shù)分布更加集中。這兩個(gè)特征可以很好地描述系數(shù)的分布，該部分碼率定義如下：

QP 為32 時(shí)，其與碼率的關(guān)系如圖8 所示。

圖8 TU 級(jí)別位置信息與碼率的關(guān)系

在TU 4×4 與TU 8×8 兩種情況下，編碼LCP位置信息時(shí)，其碼率占比較大，由圖3 可知其占比分別達(dá)到32.2%與25.8%，但是TU 16×16 與TU 32×32情況下，其碼率占比只有16.7%與9.1%。在考慮到模型復(fù)雜度與硬件資源的情況下，本文只針對(duì)TU 4×4 與TU 8×8 情況考慮LCP 位置信息，LCP 語法元素碼率組成如下：

其中，Rpre表示前綴碼，采用常規(guī)編碼模式；Rsuf為后綴碼，采用等概率編碼模式；本文定義特征bη為前綴碼和后綴碼的總碼元個(gè)數(shù)，并使用它來估計(jì)編碼LCP 信息所消耗的碼率。

此外，在不同TU 大小下，各個(gè)語法元素碼率占比波動(dòng)較大，但CSF 語法元素卻很平穩(wěn)，占比平均為17.1%，因?yàn)樵撜Z法元素采用等概率編碼方式，因此本文定義特征nη為非零系數(shù)個(gè)數(shù)并納入考慮范圍。

4.3 最終碼率模型以及碼率估計(jì)算法實(shí)現(xiàn)過程

最終模型如下：

其中，bη只有在TU 大小為4×4 與8×8 的情況下才會(huì)使用；0θ～4θ為模型參數(shù)，由線性回歸訓(xùn)練所得到。圖9 為QP 等于32 時(shí)，REst與真實(shí)碼率之間的關(guān)系，測(cè)試序列為BasketballPass。可以看出，兩者之間有著很強(qiáng)的線性關(guān)系。

圖9 預(yù)估碼率與真實(shí)碼率的關(guān)系

碼率估計(jì)算法流程如下。

輸入量化系數(shù)矩陣L，4×4 權(quán)重矩陣kW 。

輸出預(yù)估碼率REst。

說明量化系數(shù)矩陣L尺寸取決于當(dāng)前TU塊尺寸，取值范圍為4×4、8×8、16×16、32×32。K取值范圍為1～7，由圖6 所示方法決定。步驟3中C為系數(shù)組矩陣，大小為4×4。

步驟1根據(jù)式（2）、式（3）計(jì)算頭信息碼率。

步驟2遍歷系數(shù)矩陣L，確定LCP 位置并計(jì)算bη參數(shù)。

步驟3當(dāng)前TU 大小為4×4，計(jì)算Rwqc=否則計(jì)算

步驟4統(tǒng)計(jì)cη參數(shù)，同時(shí)記錄零系數(shù)的個(gè)數(shù)zη，根據(jù)式（5）計(jì)算出Rzpos。

步驟5統(tǒng)計(jì)非零系數(shù)個(gè)數(shù)nη，遍歷L結(jié)束。

步驟6如果TU 尺寸為4×4、8×8，根據(jù)式（7）得出REst；否則令ηb= 0，代入式（7）得出REst。

碼率估計(jì)算法流程如圖10 所示。

5 失真預(yù)估

在HEVC 中，計(jì)算量化過程如下：

圖10 碼率估計(jì)算法流程

其中，Q ij為量化值，y ij為變換系數(shù)，Sc =2qbits/Qstep是和QP 有關(guān)的縮放系數(shù)。在變換域中，失真可以由式（9）統(tǒng)計(jì)：

其中，y為變換系數(shù)，yi為重構(gòu)后的變換系數(shù)。為了簡(jiǎn)化重構(gòu)過程，本文分別定義了原始縮放后系數(shù)Pi j=yij×Sc 和近似重構(gòu)后的變換系數(shù)Ti j=Qij?iQBits，并統(tǒng)計(jì)了兩者間的差異，定義如下：

因此被縮放后失真近似為：

將式（11）代入式（9）：

其中，iQbits=qbits+shift，化簡(jiǎn)后有：

其中，shift 是與TU 大小有關(guān)的偏移量。為了更精準(zhǔn)地估計(jì)碼率，本文引入與QP 相關(guān)的模型參數(shù)α(QP)其在QP 取值為22、27、32、37 時(shí)分別等于0.86、0.89、0.92、0.95。預(yù)估失真與真實(shí)失真關(guān)系如圖11 所示。

失真估計(jì)算法具體流程如下。

輸入量化系數(shù)矩陣Q，變換系數(shù)矩陣Y。

輸出預(yù)估失真DEst。

步驟1遍歷系數(shù)矩陣Q，計(jì)算Tij=Qij?iQBits，得到近似重構(gòu)后的變換系數(shù)。

步驟2計(jì)算dij=(Pij?Qij?iQBits)2，為該系數(shù)縮放后失真。

步驟3去除縮放比例，由式（13）得到

步驟4矩陣Q遍歷結(jié)束，引入α(QP)模型參數(shù)，累加得

由以上可以看出，失真的計(jì)算在進(jìn)行前向變換量化的時(shí)候就已經(jīng)計(jì)算完畢，省去了逆變換、逆量化、重構(gòu)等過程。這種做法雖然忽視了逆量化、逆變換因取整和位移等操作造成的誤差，但是這些誤差的數(shù)值很小，在可接受范圍內(nèi)，同時(shí)可以節(jié)省大量的時(shí)間。從圖11 可以看出，預(yù)估失真與真實(shí)失真有著很強(qiáng)的線性關(guān)系，這也證明了本文失真估計(jì)算法的優(yōu)越性。

6 實(shí)驗(yàn)結(jié)果分析

為了評(píng)估文中所提出的快速碼率失真估計(jì)算法，采用HEVC 參考代碼HM16.0 進(jìn)行實(shí)驗(yàn)，實(shí)驗(yàn)配置為：RA 模式，關(guān)閉RDOQ 功能，關(guān)閉變換跳過功能，其余均為默認(rèn)配置。實(shí)驗(yàn)中QP 取值為：22、27、32、37。實(shí)驗(yàn)采用H.265 標(biāo)準(zhǔn)測(cè)試序列[17]進(jìn)行測(cè)試，碼率變化率（BD-BR）[18]當(dāng)作評(píng)價(jià)指標(biāo)。

為了衡量計(jì)算復(fù)雜度的變化，本文定義了時(shí)間變化率TΔ 定義如下：

圖11 預(yù)估失真與真實(shí)失真的關(guān)系

其中，TProRDO為本算法進(jìn)行RDO 過程所消耗的時(shí)間，THMRDO為原始HEVC 算法進(jìn)行RDO 過程所消耗的時(shí)間，ΔT為正表示編碼時(shí)間的減少，與HM 算法相比，本文快速算法的率失真性能和整體表現(xiàn)見表2。其中，*表示僅使用碼率預(yù)估的性能損失，**表示碼率與失真預(yù)估的性能損失。表2中還列出了近年來典型的碼率失真估計(jì)算法，并做了比較。

與原始HM 算法相比，只使用碼率估計(jì)算法，參考文獻(xiàn)[9]的算法BD-BR 總體上升1.32%，本文算法BD-BR 總體上升0.96%，性能提升0.36%，對(duì)于有較多細(xì)節(jié)畫面的視頻序列，例如PartyScene、BQsquare、BasketballPass 和SlideEditing，參考文獻(xiàn)[9]的算法BD-BR 分別上升1.92%、1.68%、1.31%、1.81%，性能損失較為嚴(yán)重，本文算法在這些序列下BD-BR 分別上升0.75%、0.43%、0.37%、1.24%，皆優(yōu)于參考文獻(xiàn)[9]。對(duì)于平穩(wěn)的序列，例如 FourPeople、Johnny 和KristenAndSara，參考文獻(xiàn)[9]算法BD-BR 分別上升1.17%、1.35%、1.57%。同樣地，本文算法BD-BR分別上升1.09%、1.16%、1.12%，因此無論是在具有較多細(xì)節(jié)還是較為平穩(wěn)的視頻序列中，本文算法皆優(yōu)于參考文獻(xiàn)[9]提出的算法。

表2 在Random Access 下的模型性能

在同時(shí)使用碼率估計(jì)與失真估計(jì)算法時(shí)，相較于原始HM 算法，參考文獻(xiàn)[8]的算法BD-BR總體上升2.49%，同時(shí)RDO 時(shí)間節(jié)省47.40%。對(duì)于高分辨率的視頻序列，如Traffic、Nebuta、Kimono，其BD-BR 分別上升1.99%、0.98%、1.58%，性能損失較低；對(duì)于低分辨率的序列，即D 類視頻序列，其BD-BR 上升分別為3.14%、3.02%、2.72%、3.45%，性能損失較大，這說明參考文獻(xiàn)[8]的算法在高分辨率的序列上有著較好的性能。在時(shí)間節(jié)省方面，參考文獻(xiàn)[8]的算法在序列SlideEditing 和RaceHorses 可以達(dá)到66.32%和60.78%，但是在Johnny 和KristenAndSara 序列下，其時(shí)間節(jié)省僅為32.30%與31.23%，最大值與最小值之間相差35%，這說明參考文獻(xiàn)[8]的算法時(shí)間節(jié)省并不均勻，其算法不具有較強(qiáng)的普適性。本文在同時(shí)使用碼率與失真估計(jì)算法時(shí)，BD-BR 總體上升了1.74%，RDO 時(shí)間節(jié)省49.76%，相較于參考文獻(xiàn)[8]的算法，性能有0.75%的性能提升，同時(shí)多獲得了2.36%的時(shí)間節(jié)省。對(duì)于高分辨率的視頻序列，如Traffic、Nebuta、Kimono，其BD-BR分別上升2.36%、0.96%、1.63%；在低分辨率視頻序列（D 類）下，本文算法BD-BR 僅上升1.25%、1.31%、1.12%、1.47%，這證明了本文算法有著更好的率失真性能。在序列Nebuta 中，本文可以達(dá)到59.44%的RDO 時(shí)間節(jié)省，為測(cè)試序列中的最大值；在序列Traffic 中可以達(dá)到40.82%的RDO時(shí)間節(jié)省，為最小值，其相差大約19%，與參考文獻(xiàn)[8]算法的35%相比，可以證明本文算法節(jié)省時(shí)間更加均勻，有著更好的普適性。

在A 類高分辨率視頻序列中，由于編碼每幀圖像所需碼率較多，會(huì)進(jìn)行較多的RDO 模式?jīng)Q策過程，這意味著使用碼率失真估計(jì)算法會(huì)產(chǎn)生較大誤差，本文算法在A 類視頻序列性能平均損失僅為1.69%。在分辨率較低的D 類序列中，在RA 模式下，編碼每幀所需的碼率較少，但這也意味著更多的系數(shù)被量化為0，導(dǎo)致失真計(jì)算會(huì)有較大的誤差，本文算法在D 類序列上平均損失僅為1.28%，表2 數(shù)據(jù)表明在各個(gè)分辨率下，都有著優(yōu)于參考文獻(xiàn)[8]算法和參考文獻(xiàn)[9]算法的性能表現(xiàn)。圖12～圖15 為在各個(gè)分辨率下的視頻序列R-D 性能曲線，對(duì)比了原始的HM16.0 算法和本文的碼率失真估計(jì)算法，可以看出本文的算法性能在各個(gè)分辨率下都極其接近原始HM 算法的性能，這也證明了本文算法的優(yōu)越性。

圖12 序列ParkScene（1 920 dpi×1 080 dpi）的R-D 曲線

圖13 序列BQMall（832 dpi×480 dpi）的R-D 曲線

圖14 序列BQsquare（416 dpi×240 dpi）的R-D 曲線

圖15 序列Johnny（1 280 dpi×720 dpi）的R-D 曲線

7 結(jié)束語

本文針對(duì)HEVC 率失真優(yōu)化過程中復(fù)雜的碼率與失真計(jì)算問題，提出一種快速碼率失真估計(jì)算法。通過實(shí)驗(yàn)證明，本文算法與目前典型算法而言，在性能與時(shí)間節(jié)省方面都有著較大的提升，后續(xù)工作主要有兩部分：一是對(duì)權(quán)重系數(shù)進(jìn)行進(jìn)一步優(yōu)化，探索其與位置參數(shù)的動(dòng)態(tài)關(guān)系，使得碼率模型能夠更精準(zhǔn)地估計(jì)碼率；二是探索碼率與失真模型在全幀內(nèi)編碼中的應(yīng)用，找出其與幀間編碼參數(shù)之間的差異，使得模型能夠適應(yīng)更復(fù)雜的編碼場(chǎng)景。