1. DIMD技术的前世今生
第一次听说DIMD技术还是在VVC标准讨论会上,当时就对这个"解码端搞事情"的方案印象深刻。简单来说,DIMD(Decoder-side Intra Mode Derivation)就是让解码端自己推导帧内预测模式,而不是完全依赖编码端传过来的信息。这种思路在HEVC时代就有学者提出过,但真正落地是在ECM这个面向下一代编码标准的实验平台上。
为什么需要这种技术?我在实际测试中发现,传统编码器中帧内预测模式要占用不少码率。比如VVC的67种角度模式,每个块都要传模式索引。而DIMD的精妙之处在于,它通过分析已解码像素的梯度特征,自动推导出最可能的角度模式。这就好比你在拼图时,不需要别人告诉你每一块的位置,而是通过观察周围已拼好的部分,自己推断新块应该放哪里。
需要模型API调用? 免费领10W Token,多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 梯度计算:像素世界的指南针
2.1 Sobel算子的魔法
DIMD的核心在于梯度计算,这就像给像素世界绘制了一张地形图。在代码中可以看到使用3x3的Sobel算子:
c++复制// 水平梯度计算
int iDy = pRec[-iStride-1] + 2*pRec[-1] + pRec[iStride-1]
- pRec[-iStride+1] - 2*pRec[+1] - pRec[iStride+1];
// 垂直梯度计算
int iDx = pRec[iStride-1] + 2*pRec[iStride] + pRec[iStride+1]
- pRec[-iStride-1] - 2*pRec[-iStride] - pRec[-iStride+1];
这个计算过程就像用两个特殊的放大镜(水平算子和垂直算子)扫描图像。我在调试时发现,当遇到明显的边缘时,对应的梯度值会突然增大。比如一个垂直边缘,水平梯度(Gx)会特别明显,就像看到一堵墙的轮廓。
2.2 角度映射的艺术
得到梯度后,需要转换成VVC的预测模式。代码中这个转换非常巧妙:
c++复制float fRatio = x_gr_y ? (float)absy/(float)absx : (float)absx/(float)absy;
int iRatio = static_cast<int>(fRatio
