【HEVC學習與研究】10.HEVC的檔次、層與級別
1、檔次、級別和層的概念
檔次、層和級別為多種不同應用提供了相容性。一組可以生成符合標準的碼流的編碼工具或演算法組成檔次;級別根據解碼過程負載和儲存空間情況對關鍵引數加以限制(如最大采樣頻率、最大影像尺寸、最大位元率等等等);定義了主層和高層來區分最大位元速率和編碼影像快取不同的應用。
滿足某一層級的解碼器應當可以解碼當前及比當前更低的層級所有碼流,滿足某一檔次的解碼器應支援該檔次中的所有特性。編碼器不要求利用該檔次的所有特性,但是必須可以生成符合規定的碼流,可以被解碼器解碼。
2、HEVC檔次和級別的定義
HEVC包含Main, Main10和靜態影像三個檔次。這三個檔次的限制條件如下:
(1)只支援4:2:0色度取樣訊號;(2)使用了tiles便不能使用WPP,每一個tile的亮度解析度至少要為256×64;(3)Main和靜態影像檔次僅支援8位畫素,Main10檔次支援10位畫素;(4)靜態影像檔次不支援幀間預測。
目前,HEVC定義了13個不同的級別,分別支援從QCIF到8k多種解析度的影像。影像寬高受到該級別定義引數MaxLumaPS引數的限制。對第四級及更高階,可支援兩個層。
相關文章
- 【HEVC學習與研究】9.HEVC視訊編碼技術
- 【王曉剛】深度學習在影象識別中的研究進展與展望深度學習
- 學習Rust 檔案與 IORust
- 簡述OSI七個層次與TCP/IP四個層次TCP
- 四層與七層負載均衡的區別負載
- saltstack學習一:安裝與升級
- 學習和使用技術的4種層次
- 學習和使用技術的四種層次
- 與低層次互動活動相比,深層次互動活動的參與頻率更高(附原資料表)
- Java synchronized物件級別與類級別的同步鎖Javasynchronized物件
- 回顧·深度學習的可解釋性與低頻事件學習在金融領域的研究與應用深度學習事件
- 大資料與深度學習區別大資料深度學習
- 檔案的層次性管理
- 【動手學深度學習】第五章筆記:層與塊、引數管理、自定義層、讀寫檔案、GPU深度學習筆記GPU
- WebView上傳檔案的深坑與研究WebView
- 網路七層模型與四層模型區別模型
- Github上5個供學習研究的AI與ML專案GithubAI
- net三層架構與MVC的區別架構MVC
- 關於Spring Cloud的特性與層次結構SpringCloud
- 大神級回答exists與in的區別
- MVC與三層架構區別MVC架構
- 資料型別與底層原理資料型別
- 層次分析法 插值與擬合
- python學習之isinstance與type的區別Python
- 深度學習與機器學習之間區別 - javaworld深度學習機器學習Java
- 人工智慧與深度學習的未來:社會影響、應用與研究進展人工智慧深度學習
- HashMap底層實現原理/HashMap與HashTable區別/HashMap與HashSet區別HashMap
- 微軟首席研究員劉鐵巖:深度學習的推力與阻礙微軟深度學習
- LoadRunner與Web頁面互動的兩個層次Web
- 架構分層的小糾結-層級該如何劃分與定位?架構
- OpenXml SDK學習筆記(4):設定檔案級別的樣式XML筆記
- Vue & Vuex 入門級研究與發現Vue
- 與Ubuntu上實行視訊的影像識別與資料結構的學習Ubuntu資料結構
- C#學習筆記——Show()與ShowDialog()的區別C#筆記
- vue - 生命週期第二次學習與理解Vue
- JavaScript 型別、原型與繼承學習筆記JavaScript型別原型繼承筆記
- 大資料專家級技能模型與學習指南大資料模型
- 關於三層架構中各層次的關係與實現模型 (轉)架構模型