【MIP学习】2-2019-DCC文章理解

与前两篇相比,有一些改变。
1.预测样本更灵活
当MAX(M,N)<32时,预测样本为2(M+N+2);
其他情况时,预测样本为M+N+1。

2.三层网络变为了一层
通过手写图中的公式也可以看出

3.激活函数
这里的b(这部分我没细看)
【MIP学习】2-2019-DCC文章理解_第1张图片
4.在损失函数计算过程中将DCT中的预测的许多分量置0
,不需要为符号位编码。减少了输出层的维度
(到底编码的是什么,横坐标c还是纵坐标l©?)
【MIP学习】2-2019-DCC文章理解_第2张图片
翻译:
在图中,我们可以看到函数 l 对于小系数迅速减小,而对于大系数只有一个小斜率。 该函数与量化系数编码所花费的比特数量有一个共同的优点: 将系数设置为零有一个额外的好处,因为不需要为 0系数编码任何符号比特。 如果系数很小,这可以补偿增加的近似误差。 同时,由于块中所有系数的零模式是联合编码的,将系数设置为零可以大大减少用于编码这种模式的比特数。
【MIP学习】2-2019-DCC文章理解_第3张图片

整体总结:
【MIP学习】2-2019-DCC文章理解_第4张图片

你可能感兴趣的:(MIP学习,笔记)