[AV1] AV1技术专栏(正在更新中)

[AV1] AV1技术专栏(正在更新中)这个专栏是我花了半年的时间阅读libav1,SVT-AV1以及dav1d的源码后摸索总结出来的AV1技能树,希望能帮助到你的AV1编解码器的学习。

大家好,又见面了,我是你们的朋友全栈君。如果您正在找激活码,请点击查看最新教程,关注关注公众号 “全栈程序员社区” 获取激活教程,可能之前旧版本教程已经失效.最新Idea2022.1教程亲测有效,一键激活。

Jetbrains全系列IDE使用 1年只要46元 售后保障 童叟无欺

AV1 专栏

学习AV1必备的利器: 手把手教你本地搭建 AV1 Analyzer

这个专栏是我花了半年的时间阅读libav1,SVT-AV1以及dav1d的源码后摸索总结出来的AV1技能树,希望能帮助到你的AV1编解码器的学习。

看专栏的同时也请关注我和我的知乎AV1专栏

第一章 AV1简介

【01 AV1 Video Codec】

【02 AV1 Specification】

【03 Reference Software】

第二章 AV1 Coding Block 编码结构

【01 Frame and tile】

【02 Superblock and Block】

【03 Transform Block】

【04 Segment】

第三章 Intra Prediction 帧内预测

【01 Intra Prediction 简介】

【02 Intra Neighbor Samples】

【03 Recursive Intra Prediction】

【04 Directional Intra Prediction】

【05 DC Intra Prediction】

【06 Smooth Intra Prediction】

【07 Paeth Intra Prediction】

【08 Palette Intra Prediction】

【09 Chroma from Luma Prediction】

【10 Intra Block Copy】

第四章 Inter Prediction 帧间预测

【01 Inter Block Mode】

【02 Reference Frame】

【03 Motion Vector】

【04 Motion Vector Prediction】

【05 Reference Frame Update】

【06 Interpolation】

第五章 Transform Coding 变换编码

【01 AV1 变换简介】

【02 Transform Type】

【03 Discrete Cosine Transform】

【04 Asymmetric Discrete Sine Transform】

【05 Identity Transform】

【06 Walsh Hadamard Transform】

【07 Transform Size】

第六章 Quantization 量化

【01 Quantization】

【02 De-Quantization】

【03 Quantizer Matrix】

第七章 High-Level Syntax

【01 Open Bitstream Units】

【02 Sequence Header OBU】

【03 Partition Syntax】

【04 Block Level Syntax】

【05 Coefficient Syntax】

【06 Coefficient Scan】

第八章 Entropy Coding 熵编码

【01 熵编码简介】

【02 AV1 Variable Length Coding】

【03 AV1 Arithmetic Coding】

【04 Encoding Example】

【05 Decoding Example】

【06 CDF selection】

【07 CDF selection(coeff)】

第九章 Inloop Filter

【01) AV1环内滤波简介】

【02 Deblockding Filter】

【03 Constrained Directional Enhancement Filter】

【04 Super-Resolution】

【05 Loop Restoration】

第十章 Film Grain Synthesis

【01 AV1 Film Grain Synthesis】

其他内容

【谈谈AV1中的 S-Frame】

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请联系我们举报,一经查实,本站将立刻删除。

发布者:全栈程序员-站长,转载请注明出处:https://javaforall.net/190486.html原文链接:https://javaforall.net

(0)
全栈程序员-站长的头像全栈程序员-站长


相关推荐

  • linux shell 字符串截取_shell截取最后一个字符

    linux shell 字符串截取_shell截取最后一个字符因最近工作中,用到shell脚本,刚开始感觉难度比较大,但在查阅资料后,感觉也没啥难度;后续整理工作中遇到的脚本知识点;现将遇到的问题,整理如下:遇到问题:需要根据关键字,截取其定义的内容;比如截图宏定义的值,或者截取某行中最后一列数据;如下为查阅网络资料后,整理针对该问题,整理字符串截取操作如下:一、字符串截取:1.如题想提取文本中在[]之前的字符,字符与[]之间有空格;比如文本:    TF…

    2022年9月1日
    1
  • springboot启动流程简述_请简要说明单位根的流程

    springboot启动流程简述_请简要说明单位根的流程SpringBoot启动流程简要。

    2022年8月20日
    2
  • npm 淘宝镜像使用[通俗易懂]

    【npm】利用npm安装/删除/发布/更新/撤销发布包目录什么是npm?利用npm安装包npm安装的方式——本地安装和全局安装利用npm删除包删除全局模块删除本地模块利用npm发布包第一次发布包:非第一次发布包:利用npm撤销发布包npm更新发布后的包: 正文&…

    2022年4月17日
    38
  • 软测试是一个烂摊子?NO——【软测试】

    软测试是一个烂摊子?NO——【软测试】

    2022年1月4日
    29
  • siamfc++代码_asic芯片设计

    siamfc++代码_asic芯片设计SiamFC论文解读及代码实现摘要:传统上,任意目标跟踪的问题是通过专门在线学习目标外观的模型来解决的,使用视频本身作为唯一的训练数据。尽管这些方法取得了成功,但他们的纯在线方法固有地限制了他们可以学习的模型的丰富性。最近,有人试图利用深层卷积网络的表达能力。然而,当要跟踪的目标事先未知时,需要在线执行随机梯度下降以适应网络的权重,这严重影响了系统的速度。在本文中,我们在ILSVRC15数据集上为视频中的目标检测配备了一个基本的跟踪算法和一个新的端到端训练的孪生神经网络。我们的跟踪器以超过实时的帧速率运

    2022年10月1日
    0
  • python 匹配文本全角转半角字符「建议收藏」

    python 匹配文本全角转半角字符「建议收藏」在对文本进行处理的时候经常会遇见要对括号和标点进行匹配常见的英文(半角)符号如()直接用正则匹配即可但是遇见全角字符(中文括号、标点),直接用正则匹配会存在问题:因为编码通常为为utf8,若直接匹配,中文括号的3字节编码会和一些中文的字节编码重复,产生意想不到的结果若用decode转为unicode编码,则可避免产生错误结果,但也无法直接用正则匹配到经过试验,发现一个看上去

    2022年7月15日
    28

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注

关注全栈程序员社区公众号