Video coding optimization techniques

Abstract

Video encoding techniques are getting increasingly important due to the fast-growing video application demands worldwide, which require high-quality videos coupled with low bit rates for storage and streaming efficiency. Silky-smooth video streaming with high frame rates at high resolutions is an evolving research area for the video encoding ecosystem. As the necessity of supporting ever-increasing demands in video resolution leads to new video coding standards, the challenge of harnessing their computational overhead becomes important. Such overhead stems not only from the increased image data due to higher resolutions but also from the coding techniques per se, that are introduced by each standard to improve compression. All modern standards in the field of video coding offer high compression efficiency but this is achieved as aforementioned, by increasing the computational complexity of both the encoding and decoding parts. Ultra-High-Definition (UHD) videos, bring new encoding implementation patterns, that are being recommended for parallelization schemes. Many popular video standards, are sharing different parallelization approaches. In this thesis research, we developed algorithms to tackle the aforementioned encoding complexity through CPU parallelism and/or GP-GPU (General Purpose-Graphics Processing Units) exploitation. We focus on a multithreaded approach for coarse-grained parallel video encoding, that is based on an entirely new encoding scheme and evaluate the performance gains as well as the visual quality of the algorithms under various scenarios to effectively minimize the computational load. As an extension of the previous efforts, we engaged the video graphics card, to investigate the mapping of a novel GPU-specific fast search motion estimation algorithm, the resulting challenges and benefits therein. Finally, we added a fraction execution resolver to avoid unnecessary accuracy calculations for the motion estimation process and to further improve the computational efficiency.

Οι τεχνικές κωδικοποίησης βίντεο αποδεικνύονται ιδιαιτέρως σημαντικές τα τελευταία χρόνια, λόγω της δραματικής αύξησης της χρήσης βίντεο παγκοσμίως, που απαιτεί διαρκώς υψηλότερη ποιότητα εικόνας, με όσο το δυνατό χαμηλότερη ροή δεδομένων και μεγέθη αποθηκευτικού χώρου. Η έρευνα για μεγαλύτερες αναλύσεις και ρυθμούς προβολής ανά δευτερόλεπτο (frame rate) είναι μια διαρκώς εξελισσόμενη διαδικασία μέσα στην επιστημονική κοινότητα. Η ανάγκη υποστήριξης υψηλών αναλύσεων στο πεδίο της εικόνας, και κατ’ επέκταση των ροών βίντεο, οδηγεί τη βιομηχανία στη δημιουργία νέων προτύπων κωδικοποίησης βίντεο με την αύξηση της υπολογιστικής πολυπλοκότητας κάθε φορά, να αποτελεί έναν από τους πιο κρίσιμους παράγοντες αντιμετώπισης για την ελαχιστοποίησή της. Σε αυτή συμβάλλει, όχι μόνο η αύξηση των αναλύσεων της εικόνας, αλλά και οι νέες τεχνικές κωδικοποίησης, που παρουσιάζονται, για τη μεγιστοποίηση της συμπίεσης. Όλα τα νέα πρότυπα στον χώρο του βίντεο προσφέρουν μεγάλη αποτελεσματικότητα ως προς τη συμπίεση των δεδομένων, αλλά με αντάλλαγμα, όπως προαναφέρθηκε, την αύξηση της υπολογιστικής πολυπλοκότητας, τόσο από την πλευρά του κωδικοποιητή, όσο και από την πλευρά του αποκωδικοποιητή. Οι υπερύψηλες αναλύσεις (UHD) φέρνουν υποχρεωτικά νέες τεχνικές κωδικοποίησης, που περιλαμβάνουν και την παραλληλοποίηση της διαδικασίας. Σε αυτήν τη διατριβή αναπτύξαμε αλγορίθμους, ώστε να αντιμετωπιστεί η υπολογιστική πολυπλοκότητα κατά την κωδικοποίηση, με χρήση πολλών επεξεργαστών (CPUs) και την αξιοποίηση της κάρτας γραφικών (GPU). Στην ουσία, επικεντρωθήκαμε στην ανάπτυξη ενός πολυδιεργασικού (multithreaded) περιβάλλοντος κωδικοποίησης, δημιουργώντας ένα εντελώς νέο σχήμα παράλληλης κωδικοποίησης και αξιολογήσαμε τον αλγόριθμο σε επίπεδο απόδοσης και ποιότητας με τη χρήση διαφόρων σεναρίων λειτουργίας. Ως επέκταση αυτής της προσπάθειας, εξερευνήσαμε και τις δυνατότητες της κάρτας γραφικών, αναθέτοντάς της τους υπολογισμούς της εκτίμησης της κίνησης (motion estimation). Αυτό έγινε με την εφαρμογή ενός νέου καινοτόμου αλγορίθμου γρήγορης αναζήτησης (fast search), που αξιοποιεί την εν γένει χρήση πολλών πυρήνων της κάρτας. Τέλος, προσθέσαμε έναν αλγόριθμο εκτίμησης για την αποφυγή των μη απαραίτητων υπολογισμών, που αφορούν την ακρίβεια της εκτιμώμενης κίνησης (motion estimation), ώστε να αυξήσουμε ακόμη περισσότερο την υπολογιστική αποτελεσματικότητα.