네트워크 환경에 적응적인 비디오 스트리밍 서비스를 위하여 비디오의 트랜스코딩이 하나의 해결책으로 제시되었다. 시간당 프레임의 개수를 조절하는 기법은 이러한 비디오 트랜스코딩 기법들 중 하나이다. 이 기법에서는 삭제된 프레임을 참조하는 프레임의 움직임 벡터를 재생성 해야 되는데 이것은 비디오 트랜스코딩의 계산 복잡도를 높이는 주요 원인이다. 본 논문에서는 움직임 벡터의 재생성 시 요구되는 계산 복잡도를 줄이기 위해 삭제된 프레임의 움직임 벡터를 재사용하는 영역과 활동 상태 정보를 고려한 벡터 합성 기법을 제안한다. 이 기법은 각 매크로블록들의 활동 상태정보량과 중첩영역의 크기를 기반으로 축출한 가중치를 이용하여 각 움직임 벡터들을 합성하는 기법이다. 실험 결과 RABVC는 기존의 가중치 기반의 움직임 벡터 선택 기법들에 비해 비슷한 계산 복잡도에서 높은 PSNR값을 보였다.
To provide adaptively video streaming services on network environment, video transcoding is introduced. The one of transcoding methods is the frame-rate conversion. it needs a re-estimation about a motion vector of the frame to refer a skipping frame. This re-estimation makes higher the computational complexity in video transcoding. To reduce the computational complexity of a motion vector refinement, this paper proposes a region & activity based motion vector composition scheme that refine the moving vector of a skipping frame. This scheme composes each motion vector from the weight based on the activity information of a macroblock and the site of the overlapped area. The experiment result shows that RABVC has a higher PSNR than the value of existing weight-based motion vector selection schemes though the computational complexity of our scheme is similar to that of other schemes.
