信息科学与工程学院副教授丁丹丹

在ProceedingsoftheIEEE上发表科研论文

日前，杭州师范大学信息科学与工程学院副教授丁丹丹在ProceedingsoftheIEEE（IF：10.）发表题为“AdvancesInVideoCompressionSystemUsingDeepNeuralNetwork:AReviewAndCaseStudies”的学术论文，就近几年基于神经网络的视频图像编码，从预处理、编码压缩、后处理的角度进行了分析与总结，并提出了创新实例来说明神经网络在视频信号处理中的作用与潜力，是ProceedingsoftheIEEE收录的首篇AI+编码综述性论文。

随着互联网视频流量近乎指数级增长，带宽供需矛盾日益尖锐，急需更高效的视频编码技术来突破网络带宽瓶颈。然而，传统视频编码技术从信号处理角度出发设计算法，上升空间有限。近年来，深度神经网络（DeepNeuralNetwork，简称DNN）通过学习的手段捕获信号特征，取得了比传统编码方法更高的增益。

基于深度神经网络进行视频预处理、编码、后处理

论文系统阐述了基于DNN的预处理、压缩编码和后处理三种模块。在预处理模块，论文提出了一种语义理解方法，该方法使用DNN从视频中自动分割出人眼感兴趣的前景与人眼不敏感的背景，仅对前景进行编码并传输，而对背景则通过建模方法进行合成，在保证观看者主观质量的前提下节省了码率；在压缩编码模块，论文提出一种“端到端”架构，利用神经网络提取信号特征，从而更紧凑地表达视频内容；在后处理模块，论文提出了针对解码重建视频的质量增强方法，该方法通过挖掘前后多帧图像的时空域信息来改进当前图像的主客观质量。

杭师大信息科学与工程学院副教授丁丹丹、南京大学教授马展为该论文共同第一作者。论文由杭州师范大学与南京大学、美国普渡大学共同合作完成，杭州师范大学为论文第一通讯单位。

论文得到了国家自然基金、浙江省自然基金、Google公司ChromeUniversityResearchProgram项目的资助。

人物简介

丁丹丹，杭州师范大学信息科学与工程学院副教授，硕士生导师，曾主持国家博士后科学基金项目和浙江省自然科学基金项目等一系列科研项目，在国际SCI期刊及知名学术会议发表相关文章约50篇，申请专利20余项。

来源：杭州师范大学