AVS3引入了CCSAO，通过不同通道间的预测来去除通道间的冗余以提升编码效率。然而CCSAO在处理时未考虑边界像素的分类问题，所以在处理纹理复杂的内容时效率还是不高。
CCSAO
AVS3中引入了CCSAO，它是帧级的环路滤波工具，如Fig.1所示，它位于ESAO和ALF两个模块之间。CCSAO的目的在于减少色度的失真，首先将色度像素根据其对应的亮度重建像素进行分类，然后对不同类别生成对应的offset，然后对每个类别的色度像素补偿对应的offset。
根据公式（1）对色度像素分类，其中rl是重建的亮度像素，M是总类别数最大为16，I是对应的分类。
对于420格式的序列，色度对应的亮度重建像素rl可以从9个候选位置选取，如Fig.2所示。根据公式(2)由rc得到rl0的位置，再根据rl0可得到其相邻的8个亮度重建像素rl1~rl8，其中rc是色度重建像素。总的类别数量M和对应的亮度位置由RDO计算得到并传到解码端。
对于每个类别，都需要传输一个offset，解码端将offset加到色度上得到重建值，
其中 是类别i对应的offset，其取值范围限制为[-15,15]。
由于CCSAO在对像素分类时未考虑边界处像素，所以在处理复杂内容时效率不高。如Fig.3，虽然和亮度相比色度分量相对平坦，但其仍然包含大量纹理内容，所以如果在对像素分类时能充分考虑边界像素则能提高效率。此外，自然场景视频的内容趋向于复杂和离散，而CCSAO是帧级的技术，在处理这种情况时效果不好。
ECCSAO
为了解决CCSAO在分类时未考虑边界像素的问题，引入4个1D方向模板来对色度像素分类，如Fig.4所示，分别为水平、垂直、45度和135度。
给定色度像素rc对应的亮度像素rl,p0,p1，rc对应类别按下面方式求得：
- 首先根据公式（4）求得d0和d1。
- 然后根据公式（5）得到q0和q1，其中阈值Th由编码器根据RDO求得，取值范围为[2,16]。
- 根据公式（1）求出I，其中M取2。
- 根据公式（6）得到色度像素rc所属类别idx。对每个类别根据RDO求出对应offset，然后通过公式（3）对相应类别进行补偿。
由于I取值只有0和1，di取值(0,1,2,3)，所以总类别数为2x4x4=32。最优的1D方向模板由RDO求得。
由于一帧内容往往是复杂且离散的，CCSAO这种帧级的滤波在处理这种情况时并不高效。因此ECCSAO中引入FQS(four-layer quadtree structure)，将一帧图像分为多个图像块，每个图像块分别作为一个滤波单元分别滤波。如Fig.5，FQS的根节点是整个帧，递归进行四叉树划分，最多划分4层，每个叶子节点包含整数个CTU。同一层的滤波单元按扫描顺序编号。
最优的划分方式通过RDO计算得到，划分完成后每个滤波单元独立完成滤波，滤波单元根据RDO选择最优的色度像素分类方式。
实验结果
实验平台HPM-9.1,如表2所示，色度分量都取得了很大的gain，亮度分量略微loss，这是因为ECCSAO引入了额外的比特来编码信息。对于AI、RA、LD配置BD-Rate分别为-1.51%、-2.33%、-2.68%。
Fig.6是主观效果对比，(a)(b)是原始图像的Cr分量，(c)(d)是不开ECCSAO，可以看见很多细节都模糊或者丢失了，(e)(f)是开启ECCSAO后的效果可以看见纹理保留的更多。
参考
Y. Jian et al., “Enhanced Cross Component Sample Adaptive Offset for AVS3,” 2021 International Conference on Visual Communications and Image Processing (VCIP), Munich, Germany, 2021, pp. 1-5, doi: 10.1109/VCIP53242.2021.9675321.
感兴趣请关注微信公众号Video Coding
版权声明：本文内容转自互联网，本文观点仅代表作者本人。本站仅提供信息存储空间服务，所有权归原作者所有。如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至1393616908@qq.com 举报，一经查实，本站将立刻删除。
