Banca de TCC – Thiago Luiz Alves Bubolz

UNIVERSIDADE FEDERAL DE PELOTAS
CENTRO DE DESENVOLVIMENTO TECNOLÓGICO
TRABALHO DE CONCLUSÃO DE CURSO

Apresentações Finais (2018/2)

Decisões Rápidas de Estruturas de Particionamento na Transcodificação de Vídeo Homogênea no Padrão HEVC
por
Thiago Luiz Alves Bubolz

Curso:
Ciência da Computação

Banca:
Prof. Guilherme Ribeiro Corrêa (orientador(a))
Prof. Mateus Grellert da Silva (coorientador(a))
Prof. Ricardo Matsumura Araújo
Prof. Marcelo Porto

Data: 10 de dezembro de 2018

Hora: 13:30

Local: Sala 318

Resumo do Trabalho:
A transcodificação homogênea de vídeo tornou-se uma tarefa essencial para permitir a transmissão de diferentes versões do mesmo vídeo em serviços de streaming e transmissões ao vivo. No entanto, como a operação de transcodificação é composta por uma etapa de decodificação e codificação em sequência, ela exige alto tempo de processamento e consumo de energia, o que é proibitivo em sistemas de larga escala como Netflix, Youtube e Twitch. Este trabalho propõe um conjunto de soluções para um sistema de transcodificação HEVC para adaptação de bitrate, também comumente chamado de transrating. Foram elaboradas três propostas de algoritmos com soluções baseadas em análise estatística, heurísticas e técnicas de aprendizado de máquina, todas elas com o objetivo de encerrar precocemente a busca pela melhor configuração de árvore quaternária que define os particionamentos de quadros em blocos no codificador HEVC. A primeira solução é baseada em uma análise estatística e mapeamento direto, a segunda baseia-se em modelos de árvores de decisão e a última solução é baseada em Random Forests. Os resultados experimentais mostraram que a solução baseada em mapeamento direto atingiu redução no tempo de transcodificação de 53,3% em média, com perda na eficiência de codificação de 1,721%. O método baseado em árvores de decisão alcançou uma média no tempo de transcodificação entre 48,46% e 57,49%, com uma perda média na eficiência de codificação entre 0,664% e 4,885%. Por fim, os resultados alcançados com o método baseado em Random Forests alcançaram uma redução no tempo de transcodificação de 47,09% com uma perda de apenas 0,292% em eficiência de codificação.