Accelerating Merge with Motion Vector Difference via Filter Difference Analysis for VVenC

📄 arXiv: 2606.31084v1 📥 PDF

作者: Xinmin Feng, Shengyang Xu, Jianhua Chen, Li Li, Dong Liu, Feng Wu

分类: eess.IV, cs.CV

发布日期: 2026-06-30

备注: 5 pages, 4 tables, 4 figures

💡 一句话要点

提出快速MMVD算法以降低编码器计算负担

🎯 匹配领域: 支柱七：动作重定向 (Motion Retargeting) 支柱八：物理动画 (Physics-based Animation)

关键词: 视频编码 运动预测 MMVD 计算优化 编码效率 滤波器分析 实时处理

📋 核心要点

  1. 现有的MMVD方法由于其全面的搜索策略，导致编码器计算负担过重，影响编码效率。
  2. 本文提出了一种新颖的快速MMVD算法，通过分数运动矢量滤波器差异分析来优化运动预测过程。
  3. 实验结果表明，所提方法显著降低了MMVD搜索比率和效率复杂度指标，提升了编码性能。

📝 摘要（中文）

Merge with Motion Vector Difference (MMVD) 是一种在多功能视频编码中用于提高运动预测精度的关键编码工具。然而，其耗时的搜索策略给编码器带来了显著的计算负担。为了解决这一问题，本文提出了一种基于分数运动矢量滤波器差异分析的快速MMVD算法。通过将8-tap插值滤波器近似为2-tap滤波器，本文推导出基于空间梯度和预测残差的标准，以估计MMVD候选的潜在增益。此外，我们进一步推广该标准，以适应偏移的整数参考样本和二维可分离滤波。为了最小化该方法的开销，我们引入了对称偏移推理和交叉形下采样点积计算等实现优化。与现有的快速MMVD算法相比，我们的方法将平均MMVD搜索比率从21.07%降低到11.05%，并在快速预设下将效率复杂度指标η从11.79降低到7.10。

🔬 方法详解

问题定义：本文旨在解决现有MMVD方法在编码器中由于全面搜索策略导致的高计算负担问题。现有方法的计算复杂度过高，影响了视频编码的实时性和效率。

核心思路：论文的核心思路是通过将8-tap插值滤波器近似为2-tap滤波器，利用空间梯度和预测残差来估计MMVD候选的潜在增益，从而减少搜索范围，提高编码速度。

技术框架：整体架构包括两个主要模块：首先是基于滤波器差异分析的增益估计模块，其次是优化的搜索策略模块。增益估计模块通过分析运动矢量的差异来快速筛选候选项，搜索策略模块则通过对称偏移推理和交叉形下采样点积计算来减少计算量。

关键创新：最重要的技术创新在于提出了一种新的增益估计标准，并将其推广到适应偏移的整数参考样本和二维可分离滤波。这一方法与现有的MMVD算法相比，显著降低了计算复杂度。

关键设计：在参数设置上，采用了对称偏移推理来优化搜索过程，并设计了交叉形下采样点积计算以减少计算量。损失函数和网络结构的具体细节未在摘要中详细说明，可能需要参考完整论文以获取更多信息。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果显示，所提快速MMVD算法将平均MMVD搜索比率从21.07%降低至11.05%，同时效率复杂度指标η从11.79降至7.10，表明该方法在提升编码效率方面具有显著优势。

🎯 应用场景

该研究的潜在应用领域包括视频编码、流媒体传输和实时视频处理等。通过优化MMVD算法，可以在保证视频质量的前提下，显著提升编码效率，降低延迟，适应更广泛的应用场景，具有重要的实际价值和未来影响。

📄 摘要（原文）

Merge with Motion Vector Difference (MMVD) is a key coding tool in Versatile Video Coding for improving motion prediction accuracy. However, its exhaustive search strategy imposes a significant computational burden on the encoder. To address this issue, we propose a novel fast MMVD algorithm for the VVenC encoder based on fractional motion vector filter difference analysis. By approximating the 8-tap interpolation filter with a 2-tap filter, we derive a criterion based on spatial gradients and prediction residuals for estimating the potential gain of MMVD candidates. We further generalize this criterion to accommodate both shifted integer reference samples and 2D separable filtering. To minimize the overhead of the proposed method, we introduce implementation optimizations, including symmetric offset inference and cross-shaped downsampled dot-product computation. Compared with existing fast MMVD algorithms in VVenC, our method reduces the average MMVD search ratio from 21.07\% to 11.05\% and decreases the efficiency-complexity metric $η$ from 11.79 to 7.10 under the fast preset.